Preisfindung auf den internationalen Märkten für ... · te also grundsätzlich untersucht werden, wie kompetitiv der Markt ist, bevor Schluss- folgerungen aus dem Marktergebnis

Markus Fahlbusch

Preisfindung auf den internationalen Märkten für Milcherzeugnisse

Ein Vergleich von Ansätzen zur Analyse von Marktmacht

Masterarbeit im wissenschaftlichen Studiengang Agrarwissenschaften an der

Georg-August-Universität Göttingen, Fakultät für Agrarwissenschaften

Studienrichtung: Wirtschafts- und Sozialwissenschaften des Landbaus (WiSoLa)

1. Prüfer: Prof. Dr. Bernhard Brümmer

2. Prüfer: Prof. Dr. Stephan von Cramon-Taubadel

Abgabetermin: 30.09.2009

Angefertigt im: Department für Agrarökonomie und Rurale Entwicklung

Inhaltsverzeichnis

II

Inhaltsverzeichnis

Abbildungsverzeichnis ............................................................................................. IV

Tabellenverzeichnis ................................................................................................... V

Abkürzungsverzeichnis ........................................................................................... VI

1 Einleitung ............................................................................................................ 1

2 Marktstruktur und -entwicklung der Weltmilchmärkte ............................... 3

2.1 Abgrenzung der relevanten Produktmärkte ................................................ 3

2.2 Entwicklung von Handelsmengen und Preisen .......................................... 7

2.3 Marktstrukturen und deren Entwicklung .................................................. 10

2.4 Politikeingriffe und Handelshemmnisse ................................................... 15

2.5 Große Marktakteure: Der Fall Fonterra .................................................... 19

3 Preisfindungsmodelle der Neuen Industrieökonomik .................................. 24

3.1 Preisfindungsprozesse bei imperfektem Wettbewerb ............................... 24

3.1.1 Monopol ......................................................................................... 24

3.1.2 Oligopol ......................................................................................... 26

3.1.3 Preisdiskriminierung ...................................................................... 28

3.2 Räumliche Preisfindung & Preissetzungsstrategien ................................. 29

3.2.1 Räumliches Monopol ..................................................................... 29

3.2.2 Räumliches Oligopol ..................................................................... 32

3.3 Implikationen für die Weltmilchmärkte ................................................... 35

4 Ansätze zur Analyse von Marktmacht ........................................................... 37

4.1 Strukturansatz der Neuen Empirischen Industrieökonomik ..................... 37

4.2 Der Pricing-to-Market-Ansatz (PTM-Ansatz) .......................................... 39

4.2.1 Definition, Auswirkungen und Gründe für PTM .......................... 39

4.2.2 Das PTM-Modell von Knetter ....................................................... 42

4.2.3 Diskussion und Kritik am Knetter-Modell .................................... 46

4.3 Der Residual-Demand-Ansatz .................................................................. 49

4.3.1 Die residuale Nachfrageelastizität als Maß für Marktmacht ......... 49

4.3.2 Herleitung der residualen Nachfrage durch Goldberg & Knetter .. 52

4.3.3 Schätzung der residualen Nachfrage.............................................. 55

Inhaltsverzeichnis

III

5 Methodik ........................................................................................................... 57

5.1 Panelökonometrische Modelle ................................................................. 57

5.1.1 Gepoolte Modelle vs. Modelle mit Fixed- und Random-Effects .. 57

5.1.2 Modelltests und Verletzungen der Annahmen .............................. 61

5.2 Endogenität & Mehrgleichungsmodelle ................................................... 64

5.2.1 Endogenität der Regressoren und IV-Schätzer .............................. 64

5.2.2 Mehrgleichungsmodelle ................................................................ 66

5.2.3 Modelltests ..................................................................................... 70

6 Auswertung ....................................................................................................... 73

6.1 PTM-Ansatz .............................................................................................. 73

6.1.1 Datengrundlage .............................................................................. 73

6.1.2 Beschreibung der Stichprobe & grafische Analyse ....................... 74

6.1.3 Ergebnisse zu kurzfristigem PTM ................................................. 77

6.1.4 Ergebnisse zu langfristigem PTM ................................................. 83

6.2 Residual-Demand-Ansatz ......................................................................... 87

6.2.1 Datengrundlage .............................................................................. 87

6.2.2 Beschreibung der Stichprobe ......................................................... 89

6.2.3 Ergebnisse der Schätzung .............................................................. 90

7 Diskussion ....................................................................................................... 101

8 Zusammenfassung der Ergebnisse & Fazit ................................................. 104

Literaturverzeichnis .............................................................................................. VIII

Anhang 1: Prozessschema der Milchverarbeitung .................................................. XVI

Anhang 2: Export-Unit-Values Neuseelands in ausgewählte Länder .................... XVII

Anhang 3: Knetter-Modell mit fixen β-Effekten und Lags für MMP .................. XVIII

Anhang 4: Knetter-Modell mit fixen β-Effekten und Lags für VMP ..................... XIX

Anhang 5: Knetter-Modell mit fixen β-Effekten und Lags für Butter ..................... XX

Anhang 6: Charakteristika der Importmärkte ausgewählter Länder ....................... XXI

Abbildungsverzeichnis

IV

Abbildungsverzeichnis

Abbildung 2.1: Anteil einzelner Milcherzeugnisse am Weltmarkt 2005 ..................... 5

Abbildung 2.2: Entwicklung des Handels mit Milcherzeugnissen 1964 - 2006 .......... 7

Abbildung 2.3: Entwicklung der Handelsmengen bei Milchprodukten ...................... 8

Abbildung 2.4: Entwicklung der Weltmarktpreise für Milchprodukte ........................ 9

Abbildung 2.5: Entwicklung der Exportanteile in Milchäquivalent .......................... 11

Abbildung 2.6: Globale Handelsströme bei Milchprodukten 2004 ........................... 12

Abbildung 2.7: Durchschnittlich angewandte Zollsätze für Milchprodukte .............. 17

Abbildung 2.8: Globales Netzwerk der Fonterra Co-operative Group Ltd. .............. 21

Abbildung 3.1: Preissetzung im Monopol ................................................................. 25

Abbildung 3.2: Reaktionsfunktionen und das Cournot-Gleichgewicht ..................... 27

Abbildung 3.3: Verteilung der Marktteilnehmer im eindimensionalen Raum .......... 29

Abbildung 3.4: Räumliche Nachfragekurve & Monopolpreisbildung unter FOB-Pricing . 30

Abbildung 3.5: Räumliche Preissetzungsstrategien im Monopol .............................. 31

Abbildung 3.6: Preisfindung im räumlichen Cournot-Modell ................................... 34

Abbildung 4.1: Inkomplettes Durchreichen von Wechselkursänderungen................ 39

Abbildung 4.2: Grafische Ableitung der residualen Nachfrage ................................. 49

Abbildung 5.1: Charakteristika eines Systems und optimale Schätzer ...................... 66

Abbildung 6.1: Butterexportpreis und WK im Falle Malaysias ................................ 76

Abbildung 6.2: Geschätzte Koeffizienten des MMP-Modells mit Lags .................... 81

Tabellenverzeichnis

V

Tabellenverzeichnis

Tabelle 2.1: Klassifizierung von Milcherzeugnissen ................................................... 4

Tabelle 2.2: Exportanteile an den Weltmärkten für Milchprodukte .......................... 11

Tabelle 2.3: Angewandte Politikinstrumente bei den größten Exporteuren .............. 15

Tabelle 6.1: Charakteristika der ausgewählten Importländer .................................... 75

Tabelle 6.2: Ergebnisse & Tests der gepoolten Schätzung mit Quartalsdaten .......... 77

Tabelle 6.3: Ergebnisse zu den Modellen mit fixen β-Effekten ................................ 79

Tabelle 6.4: Ergebnisse & Tests der gepoolten Schätzung bei vorhandener Lagstruktur ... 80

Tabelle 6.5: Ergebnisse & Tests der gepoolten Schätzung mit Jahresdaten .............. 83

Tabelle 6.6: Ergebnisse bei fixen β-Effekten und Jahresdaten .................................. 84

Tabelle 6.7: Ergebnisse der 3SLS-Schätzungen für MMP ........................................ 91

Tabelle 6.8: Ergebnisse der 3SLS-Schätzungen für VMP ......................................... 95

Tabelle 6.9: Ergebnisse der 3SLS- und 2SLS-Schätzungen für Butter ..................... 98

Tabelle 7.1: Übersicht der auf 10%-Niveau signifikanten Koeffizienten ................ 102

Abkürzungsverzeichnis

VI


2SLS Two-Stage Least Squares

3SLS Three-Stage Least Squares

Art. Artikel

ASEAN Association of Southeast Asian Nations

BIP Bruttoinlandsprodukt

bspw. beispielsweise

bzgl. bezüglich

CIF Cost, Insurance, Freight

d.h. das heißt

DP Discriminatory-Pricing

ERS Economic Research Service

EWG Europäische Wirtschaftsgemeinschaft

FHA Freihandelsabkommen

FOB Free on Board

FP FOB-Pricing

GATT General Agreement on Tariffs and Trade

GE Grenzerlös

GK Grenzkosten

GLS Generalized Least Squares

HAC Heteroskedasticity and Autocorrelation Consistent

HC Heteroskedasticity Consistent

HS Harmonisiertes System

i.d.R. in der Regel

IES Index für Exportsubventionen

ILS Indirect Least Squares

IMF International Monetary Fund

inkl. inklusive

IV Instrumentvariablen

Kap. Kapitel

MMP Magermilchpulver

MPK Milchproteinkonzentrat

MoPK Molkenproteinkonzentrat

NTH nicht-tarifäre Handelshemmnisse


VII

n.v. nicht verfügbar

NZDB New Zealand Dairy Board

NZD New Zealand Dollar

OLS Ordinary Least Squares

p.a. pro anno

PCSE Panel-Corrected Standard Errors

PTM Pricing to Market

RNE Residuale Nachfrageelastizität

RSS Residual Sum of Squares

SUR Seemingly Unrelated Regressions

SVG Selbstversorgungsgrad

u.a. unter anderem

UP Uniform-Pricing

USD United States Dollar

USDA United States Department of Agriculture

u.U. unter Umständen

VMP Vollmilchpulver

WK Wechselkurs

WKDR Wechselkurs-Durchreichen

WR Wachstumsrate

WTO World Trade Organization

z.B. zum Beispiel

z.T. zum Teil

1 Einleitung

1

1 Einleitung

Der rasante Preisanstieg auf den Märkten für Milcherzeugnisse im Jahr 2007 und der

darauffolgende Absturz haben alle Akteure der Milchbranche in Atem gehalten. Wei-

terhin offenbarte sich für viele Produzenten und auch Marktakteure die fundamentale

Bedeutung der internationalen Märkte, in denen die Schwankungen ihren Ursprung

hatten. Dies gilt insbesondere für Akteure in der EU, die sich über Jahrzehnte von

Preisniveau und -schwankungen der Weltmärkte1 abgekoppelt hatte. Vor allem aber

erlangte die Preisbildung auf den internationalen Märkten große Aufmerksamkeit.

Sowohl von Seiten der Medien als auch seitens verschiedener Marktakteure und der

Wissenschaft wurden unterschiedliche mögliche Erklärungen für die beobachteten

Preisverläufe präsentiert. Dazu gehörten bspw. Verknappungen im Angebot, starke

Nachfragezuwächse und historisch niedrige Lagerbestände; ferner wurden auch spe-

kulative Elemente genannt (WOCKEN et al. 2008, FAHLBUSCH et al. 2009). Dabei

wurde aber stets, zumindest implizit, von perfektem Wettbewerb ausgegangen.

Es soll keineswegs suggeriert werden, dass die konstatierten Preisschwankungen auf

imperfekten Wettbewerb zurückzuführen sind2. Dennoch sind, je nach vorherrschen-

dem Grad des Wettbewerbs, Unterschiede im Marktergebnis zu erwarten. Somit soll-

te also grundsätzlich untersucht werden, wie kompetitiv der Markt ist, bevor Schluss-

folgerungen aus dem Marktergebnis gezogen werden. Mögliche Anzeichen für im-

perfekten Wettbewerb bzw. Marktmacht liefern die vorherrschenden Strukturen auf

den internationalen Märkten. So fällt ein Großteil der internationalen Exporte von

Milcherzeugnissen auf die neuseeländische Molkereigenossenschaft Fonterra, die

durch diverse Kooperationen mit anderen Unternehmen zusätzlichen Einfluss in den

internationalen Märkten erlangen konnte. Dies führt dazu, dass Fonterra direkt oder

indirekt in einigen Märkten mehr als die Hälfte der weltweiten Exporte kontrolliert,

wobei der Anteil der Exporte in einzelne Länder teilweise noch höher ist.

Ziel dieser Arbeit ist es durch die Analyse möglicher Marktmacht im Fall Fonterra,

einen Beitrag zur Preisfindung auf den internationalen Märkten für Milcherzeugnisse

zu leisten. Dazu werden neben der Darstellung der Auswirkungen von Marktmacht

verschiedene Ansätze vorgestellt, die eine Untersuchung von Marktmacht ermögli-

chen. Es wird ferner argumentiert, dass zur Untersuchung im Bereich der internatio-

1 Die Bezeichnungen „internationale Märkte“ und „Weltmärkte“ beziehen sich jeweils auf Milcher-zeugnisse und werden in dieser Arbeit synonym verwendet. 2 Es kann im Gegenteil sogar erwartet werden, dass ein Monopolist temporäre Preisschwankungen aus verschiedenen Gründen tendenziell glätten wird (vgl. Kapitel 4.2.1).

1 Einleitung

2

nalen Märkte vor allem der Pricing-to-Market-Ansatz und der Residual-Demand-

Ansatz zur Analyse von Marktmacht geeignet sind, da diese die Datenanforderungen

möglichst gering und damit realistisch halten.

Die vorliegende Arbeit ist folgendermaßen gegliedert: In Kapitel 2 wird die Entwick-

lung und die Struktur der internationalen Märkte für Milcherzeugnisse erörtert. Hier-

zu werden u.a. die einzelnen Märkte sachlich und räumlich abgegrenzt, ihre Entwick-

lung und Bedeutung aufgezeigt sowie die wichtigsten Länder und politischen Rah-

menbedingungen dargestellt. Weiterhin erfolgt eine umfassende Betrachtung des

größten Marktakteurs, Fonterra. Anschließend werden in Kapitel 3 Preisfindungsmo-

delle der Neuen Industrieökonomik vorgestellt, mit denen die Auswirkungen von

Marktmacht unter Punkt- und Raummarktbedingungen illustriert werden. Es wird

weiterhin eruiert, wie die dabei gewonnenen Erkenntnisse auf die internationalen

Märkte für Milcherzeugnisse übertragen werden können. Kapitel 4 beschäftigt sich

schließlich mit der Darstellung von Ansätzen zur Analyse von Marktmacht. Dabei

wird u.a. auf die Neue Empirische Industrieökonomik Bezug genommen. Eine aus-

führliche Darstellung erfolgt zu den Ansätzen des Pricing-to-Market und des Residu-

al-Demand. Die zur Anwendung der genannten Ansätze erforderlichen methodischen

Grundlagen werden in Kapitel 5 gelegt. Dabei wird insbesondere auf panelökono-

metrische Modelle, Endogenität der Modellregressoren und Mehrgleichungsmodelle

eingegangen. Kapitel 6 präsentiert die Ergebnisse der Anwendung der oben genann-

ten Ansätze auf ausgesuchte Zielländer neuseeländischer Exporte in verschiedenen

Märkten für Milcherzeugnisse. Im Fall des Pricing-to-Market-Ansatzes wird hierbei

noch zwischen kurz- und langfristiger Betrachtung unterschieden. Abgeschlossen

wird die Arbeit durch eine Diskussion der angewandten Ansätze und ihren Ergebnis-

sen in Kapitel 7 und eine Zusammenfassung der Ergebnisse in Verbindung mit einem

Fazit in Kapitel 8.

2 Marktstruktur und -entwicklung der Weltmilchmärkte

3


2.1 Abgrenzung der relevanten Produktmärkte

Im Unterschied zu anderen im Agrarbereich produzierten Rohstoffen wird Milch in

der Rohform kaum gehandelt. Stattdessen finden sich andere Formen der vertikalen

Koordination, wie z.B. Vermarktungs- oder Produktionsverträge, zwischen Milch-

produzenten und den Verarbeitern, die die Vertragspartner über mehrere Jahre anei-

nander binden. Als Grund dafür konstatiert SPILLER (2009: 15) vor allem die schnelle

Verderblichkeit der Rohmilch und die räumlichen Grenzen des Transports. Auch

wenn die Fortschritte in den Transport-, Kühl- und Verarbeitungstechniken der letz-

ten Jahrzehnte die technischen Voraussetzungen geändert haben, bedeutet ein Ver-

zicht auf vertragliche Bindung weiterhin ein beträchtliches Absatzrisiko auf Seiten

der Milcherzeuger (ebenda: 16, SPILLER & WOCKEN 2006: 108).

Auch wenn dies i.d.R. zwischen Erzeugern und Molkereien kaum der Fall ist, so hat

sich doch zwischen den Molkereien ein Markt3 für Rohmilch und Intermediärpro-

dukte der Verarbeitung entwickelt (SPILLER 2009: 15), dessen Existenz den Molke-

reien eine höhere Flexibilität in Produktion und Vertrieb ermöglicht. Die dort gehan-

delten Mengen und auch Preise werden allerdings – solange nationale Grenzen nicht

überschritten werden – nicht durch öffentliche Institutionen erfasst. Dies hat zur Fol-

ge, dass die entsprechenden Märkte für Außenstehende, aber auch für Marktteilneh-

mer, nur wenig transparent sind (GLOY 2009).

Aufgrund der vorausgegangenen Überlegungen soll im Folgenden der Fokus auf die

Endprodukte der Milchverarbeitung in den Molkereien gelegt werden. Für diese exis-

tieren i.d.R. sowohl mehr oder weniger kompetitive Märkte als auch ausreichend

Marktinformationen. Allgemein bestehen unterschiedliche Möglichkeiten, die zu

betrachtenden Milcherzeugnisse zu klassifizieren. So unterscheidet bspw. die ZMP

(2008) u.a. zwischen Butter, Käse, Frischmilch- und Dauermilcherzeugnissen, wobei

sich die letzten beiden Kategorien vor allem beim Trockensubstanzgehalt und damit

auch bzgl. Lagerfähigkeit und Transport unterscheiden. Ein Prozesschema4 der EU-

KOMMISSION (2006: 7) wiederum erlaubt eine Einteilung nach Verarbeitungsprozes-

sen und unterteilt ferner in primäre und sekundäre Endprodukte. Weiterhin ist auch

eine Gliederung nach produktimmanenten Milchinhaltsstoffen möglich, wozu sich

3 Da es sich auch bei Intermediärprodukten um flüssige Produkte, wie z.B. Magermilch und Molke, handelt, kann vermutet werden, dass die geografische Ausdehnung der Märkte i.d.R regional oder auch national sein wird. 4 Das Schema der Verarbeitungsprozesse ist in Anhang 1 einsehbar.


4

bspw. eine Übersicht ausgewählter Produkte bei USDA-ERS (2006a: 5) findet.

Grundsätzlich erlaubt auch das Harmonisierte System5 (HS) eine Einteilung der

Milcherzeugnisse, hat aber den Nachteil, dass einige Produkte aus unterschiedlichen

Gründen nicht im u.a. für Milcherzeugnisse vorgesehenen Kapitel 04 angelegt sind.

Folgend wird auf eine modifizierte Einteilung von USDA-ERS (2006b: 3) zurückge-

griffen, die eine gute Kombination aus den zum Teil ähnlichen Klassifikationsmög-

lichkeiten darstellt, ohne allerdings den Anspruch auf Vollständigkeit zu erheben.

Tabelle 2.1: Klassifizierung von Milcherzeugnissen

Kategorie Produkte Hauptnutzung Markt HS Codes

Frischmilch, H-Milch 040110, 040120

Kondensmilch 040290

040310, 040390

210500, 210690

Eiscreme

Endverbrauch National

Vollmilchpulver (VMP) Endverbrauch 040221, 040229

Magermilchpulver (MMP) 040210

Buttermilchpulver (BMP) 040390

Rahm, Sahne National 040130

Butter Global 040510

Milchstreichfette 040520

Butteröl 040590

Milchproteinkonzentrat (MPK) 040490, 350110

Molkeprodukte 040410

Molkenproteinkonz. (MoPK) 350220, 350290

Kasein Pharmazie 350110, 350190

Laktose Inhaltsstoff 170210

Säuglingsnahrung-Pulver Endverbrauch 190110

Frischkäse & Quark 040610

gerieben / Schmelzkäse 040620, 040630

Blauschimmelkäse 040640

natürlich gealterter Käse 040690

Milchmischerzeugnisse

Endverbrauch

040490, 180690, 190190, 230990

Flüssige & kon-

zentrierte MilchEndverbrauch

Lokal, Regional

Fermentierte Milchprod. (z.B. Sauermilch, Kefir, Joghurt, Buttermilch)

Frischmilch-produkte

Regional, National

Inhaltsstoff

Käse & Quark

GlobalMilchpulver

Endverbrauch

Regional, national,

zw. Indus-trieländern

Regional, National

Butterfette

Endverbrauch & Inhaltsstoff

Endverbrauch

GlobalNicht-Fett-Komponenten

Inhaltsstoff

Quelle: Eigene Darstellung in Anlehnung an USDA-ERS (2006b: 3), WCO (2009), BAILEY (2004)

Tabelle 2.1 gibt einen Einblick in die Vielzahl von Milcherzeugnissen, wobei in vie-

len Fällen die Nomenklatur nach dem HS mit der gewählten Klassifizierung überein-

stimmt. Andererseits zeigt sich aber auch, dass einige Produkte auf HS Codes in z.T.

5 Das Harmonisierte System wurde 1988 von der WCO (2009) eingeführt und ist mittlerweile eine international verbreitete Nomenklatur von gehandelten Gütern. Der entsprechende HS Code umfasst 6 Digits, die international einheitlich sind. Die einzelnen Länder können allerdings zur detaillierteren Einteilung weitere Digits (8-Digit- oder 10-Digit-Level) hinzufügen.


5

unterschiedlichen Kapiteln verteilt sind. Dies hängt u.a. damit zusammen, dass das

gelistete Produkt nicht ausschließlich Milchbestandteile enthält (Milchmischerzeug-

nisse, Eiscreme) oder, im Falle von Produkten der Nicht-Fett-Komponenten, als

chemische Verbindung in HS Sektion VI (Kap. 28-38) erfasst wird.

In Bezug auf die räumliche Marktabgrenzung ist Tabelle 2.1 zu entnehmen, dass vor

allem flüssige und Frischmilch-Produkte eher regional und national gehandelt wer-

den, wohingegen Produkte mit hoher Trockensubstanz verstärkt auch global gehan-

delt werden. USDA-ERS (2006b: 2) führen dies auf höhere Transportkosten6 und

unterschiedliche lokale Präferenzen bei Frischmilchprodukten zurück. Abbildung 2.1

illustriert, welche Anteile der quantitative Handel der einzelnen global gehandelten

Produkte am Weltmarkt für Milcherzeugnisse einnimmt.

Abbildung 2.1: Anteil einzelner Milcherzeugnisse7 am Weltmarkt 2005

Quelle: Eigene Darstellung nach Daten von MDC (2007: 53)

Aus der Abbildung geht hervor, dass Magermilchpulver (MMP), Vollmilchpulver

(VMP), Butter und Käse einen Großteil am weltweiten Handel von Milcherzeugnis-

sen ausmachen. Diese Produkte wurden auch historisch am meisten gehandelt –

weswegen folgend von klassischen Märkten gesprochen wird – und sind, mit Aus-

nahme von Käse, relativ homogen und damit zu den Commodities zu rechnen. Infol-

gedessen finden sich oftmals in internationalen Statistiken und Modellierungsdaten-

banken, wie USDA-FAS (2009a), OECD-FAO (2008) oder FAPRI (2009), im Be-

reich der Milcherzeugnisse lediglich diese vier Produkte. Auch internationale Preise

6 Daneben dürften auch geringere Haltbarkeitszeiträume von Bedeutung sein. 7 Aufgrund der Datenverfügbarkeit wurden lediglich die Exporte der vier größten Exporteure (in Ton-nen) mit einbezogen, die allerdings 2005 ca. 80% der Exporte auf sich vereinten (vgl. Abbildung 2.5). Weiterhin wurden flüssige und fermentierte Milcherzeugnisse ausgeschlossen.

Magermilchpulver16,3%

Vollmilchpulver23,8%

Buttermilchpulver2,0%

MPK + restl. 040490 - 2,4%

Molkeprodukte + MoPK - 13,1%

Laktose6,6%

Kasein3,4%

Butter + andere Milchfette - 8,8%

Butteröl4,3%

Käse19,4%


6

werden von USDA-FAS (2009b) ausschließlich in den klassischen Märkten plus

Molke und Butteröl erhoben8. Die vermeintliche Vernachlässigung der verbleibenden

global gehandelten Produkte, wie z.B. MPK, Kasein und Laktose, hat neben den ge-

ringeren Handelsmengen damit zu tun, dass sie (wie auch Molkeprodukte) ver-

gleichsweise neue Erzeugnisse darstellen (USDA-ERS 2006b: 7, 10). Entsprechend

kann in diesem Zusammenhang von neuen Märkten gesprochen werden.

Neben der räumlichen Marktabgrenzung ist eine sachliche Marktabgrenzung deut-

lich schwieriger vorzunehmen. Alle Milcherzeugnisse sind zumindest von der Ange-

botsseite je nach Inhaltsstoffen entweder als Koppelprodukte oder als konkurrierende

Produkte verbunden, da die Rohmilch den gemeinsamen Rohstoff darstellt. So kann

im Falle von konkurrierenden Produkten und ähnlichen Produktionstechniken davon

ausgegangen werden, dass die Produktionsanlagen leicht umstellbar sind und somit

sehr schnell neue Wettbewerber in die Produktion eines spezifischen Gutes einstei-

gen können (BESTER 2004: 20-22).

Ebenso dürften von der Nachfrageseite verschiedene substitutive Beziehungen zwi-

schen den Produkten bestehen, da es Überschneidungen in den enthaltenden Milch-

inhaltsstoffen Fett, Laktose und Protein (fettlösliche Kaseinproteine & wasserlösliche

Molkeproteine) gibt (USDA-ERS 2006a: 5). So fand BAILEY (2002) mittels ökono-

metrisch geschätzten Strukturmodellen einen deutlichen, positiven Zusammenhang

zwischen MMP-Nachfrage in den USA und MPK-Preis, was die Produkte als Substi-

tute kennzeichnet. Weiterhin berichten USDA-ERS (2006b: 10-11), dass in tropi-

schen Ländern zur Herstellung von Trinkmilch sowohl VMP als auch MMP kombi-

niert mit Trockenmilchfetten oder pflanzlichen Ölen verwendet werden. Auch wenn

ersteres mittlerweile stärker vorherrscht, so zeigt dies doch die potentielle Aus-

tauschbarkeit der Güter9. Darüber hinaus ist auch Molke in einigen Bereichen ein

eingesetztes Substitut für MMP (DAIRY AUSTRALIA 2008a: 19).

Neben den Verbindungen innerhalb der Milcherzeugnisse sind allerdings auch ver-

schiedene pflanzliche Produkte (potenzielle) Substitute für Milcherzeugnisse; dies

gilt bspw. für Produkte aus Getreide, Soja, Reis, Nüssen, Ölen und Fetten (ebenda:

19, USDA-ERS 2006b: 5).

8 Die sogenannten „internationalen Preise“ oder „Weltmarktpreise“ entsprechen den Exportpreisen Westeuropas und Ozeaniens. Da USDA-FAS (2009b) statt einzelner Preise einen Preisbereich meldet, wird hieraus üblicherweise der Mittelwert gebildet und als Preis zum entsprechenden Zeitpunkt ange-sehen. Dabei wird der Käsepreis (cheddar) nur für Ozeanien, Molkenpulver- und Butterölpreise dage-gen nur für Westeuropa erhoben (USDA-FAS 2009b). 9 Dieser Eindruck wird auch durch die sehr ähnlich verlaufenden Weltmarktpreise der Güter bestärkt (Abbildung 2.4).


7

2.2 Entwicklung von Handelsmengen und Preisen

Wie in Kapitel 2.1 eruiert, führen die Ansprüche vieler Milcherzeugnisse an Trans-

port, Kühlung und zeitnahem Verbrauch dazu, dass diese im Wesentlichen nur lokal,

regional oder national gehandelt werden können. Dies ist ein wesentlicher Grund

dafür, dass nur ein geringer Anteil der Weltmilchproduktion international gehandelt

wird. Abbildung 2.2 illustriert die Entwicklung von Milchproduktion und -handel.

Abbildung 2.2: Entwicklung des Handels mit Milcherzeugnissen 1964 - 2006

Quelle: Eigene Darstellung nach Daten von FAO (2009)

Aus der Abbildung geht hervor, dass sich der Handel mit Milcherzeugnissen deutlich

stärker ausgedehnt hat als die Produktion. Weiterhin wird auch sichtbar, dass die

physisch gehandelten Mengen stärker gestiegen sind als der Handel in Milchäquiva-

lent. Letzteres zeigt, dass aufgrund von Fortschritten in Kühlung und Transport of-

fenbar zunehmend auch flüssige und frische Milcherzeugnisse gehandelt werden

(vgl. USDA-FAS 2006b). Allerdings ist darauf hinzuweisen, dass FAO (2009) die

Summe aller nationalen Handelsmengen erfasst und somit die EU nicht als Handels-

block mit gemeinsamem Außenhandel betrachtet. Ein zunehmender Handel frischer

Produkte könnte somit lediglich im innereuropäischen Warenverkehr stattfinden.

Weiterhin können je nach verwendetem Umrechnungsverfahren in Milchäquivalent

einige Milcherzeugnisse nicht repräsentativ erfasst werden. Für den globalen Handel

lassen die Außenhandelsstatistiken der größten Exporteure (vgl. Kap. 2.3) indes kei-

nen klaren Trend bzgl. eines verstärkten Handels mit Frischprodukten erkennen.

Wird allgemein von „internationalem Handel“ bei Milcherzeugnissen gesprochen, so

werden dabei i.d.R. nicht die Zahlen des FAO (2009) zugrundegelegt, die zu einem

Anteil des internationalen Handels von 14% an der Weltmilchproduktion in 2006

0

100

200

300

400

500

600

700

800

Ind

ex

Handel in physischen Mengen

Handel in Milchäquivalent

Milchproduktion


8

führen. Stattdessen wird der auf einem anderen Preisniveau stattfindende Intra-EU-

Handel ausgeklammert, weshalb sich in der Literatur Angaben zu einem Anteil von

5-7% finden lassen (vgl. OECD 2004, USDA-ERS 2006b: 9). Dies zeigt nebenbei

sehr deutlich die Bedeutung des innereuropäischen Handels. Somit soll folgend unter

„internationalem“ oder „globalem Handel“ der Handel zu Weltmarktbedingungen,

also zu einem Preisniveau, welches den in Kapitel 2.1 definierten Weltmarktpreisen

entspricht, verstanden werden10. Die unter diesen Bedingungen gehandelten 7% der

Produktion entsprechen einem weit niedrigeren Anteil als dies bei anderen Agrargü-

ter, wie Weizen, Kaffee, Sojabohnen oder Bananen mit 30-40%, der Fall ist (ebenda:

9). Vergleichbar sind allenfalls einzelne Milcherzeugnisse, wie VMP mit 48% oder

MMP mit 27%; Butter und Käse werden hingegen mit 10% bzw. 7% der Produktion

deutlich weniger gehandelt (OECD 2004). Abbildung 2.3 illustriert, wie sich der

Welthandel in den klassischen Märkten entwickelt hat.

Abbildung 2.3: Entwicklung der Handelsmengen11 bei Milchprodukten

Quelle: Eigene Darstellung nach Daten von USDA-FAS (2009a)

Es wird deutlich, dass bis Mitte der 1980er Jahre ein deutlich steigender Trend im

Handel mit allen Milcherzeugnissen zu verzeichnen war. Dieser fand mit den 1980er

Jahren seinen Höhepunkt in einer Zeit, in der die Mitgliedsländer der damaligen

EWG verstärkt hohe „Produktionsüberschüsse“ als Folge der Milchmarktpolitik auf

dem Weltmarkt absetzen mussten. Seit den 1990er Jahren bleiben sowohl Butter- als

auch MMP-Handel auf relativ konstantem Niveau, weisen dabei allerdings deutliche

10 Leider lässt sich diese Definition nicht konsequent anwenden, da ansonsten bspw. der Handel in Freihandelszonen oder unter bilateralen Abkommen ebenfalls ausgeschlossen werden müsste. 11 In Abbildung 2.3 wird ein Bruch in den Daten sichtbar. Dieser resultiert daraus, dass Außenhan-delsdaten für die EU erst ab 1997 verfügbar sind; dieses Problem tritt unabhängig von der verwende-ten Datenbank auf. Vor 1997 werden somit die Außenhandelsdaten der Mitgliedsländer verwendet.

0

500

1000

1500

2000

2500

3000

Exp

orte

in 1

000

Ton

nen

MMPVMPButterKäse


9

Schwankungen auf. Steigerungen sind lediglich auf den Märkten für Käse und VMP

zu verzeichnen, bei welchen auch eine gleichmäßigere Entwicklung der Handels-

mengen sichtbar wird. Interessante Rückschlüsse lässt auch der Bruch in den Daten

zu. So wird ersichtlich, dass ein Großteil des zuvor verzeichneten Handels auf den

innereuropäischen Handel entfällt. Ein solcher ist entsprechend der Abbildung be-

sonders stark bei Käse ausgeprägt, was sich mit dem in Tabelle 2.1 konstatierten

Handel zwischen Industrieländern bei Käse deckt.

Informationen zu Weltmarktpreisen der dargestellten Produkte sind ab 1994 online

verfügbar und werden von USDA-FAS (2009b) im zweiwöchigen Turnus erhoben;

Abbildung 2.4 zeigt deren Entwicklung.

Abbildung 2.4: Entwicklung der Weltmarktpreise für Milchprodukte

Quelle: Eigene Darstellung nach Daten von USDA-FAS (2009b)

Werden die einzelnen Zeitreihen verglichen, so zeigt sich eine gemeinsame Grund-

tendenz. Insbesondere die Preise für MMP und VMP verlaufen über den gesamten

Zeitraum sehr ähnlich. Die Käsepreise scheinen diesen Entwicklungen etwas zeitver-

setzt zu folgen, wohingegen die Butterpreise teilweise einen anderen Verlauf aufwei-

sen. Abgesehen von Molkenpulver bewegen sich die Preise bis 2003 in einem Preis-

korridor von 1000 bis 2500 USD, welcher sich ab 2004 offenbar nach oben verscho-

ben hat. Weiterhin sind im Beobachtungszeitraum drei größere Preisspitzen erkenn-

bar: 1995/96, 2000/01 und 2007/08. Durch entsprechende Wechselkursentwicklun-

gen war die erste Preisspitze nur gering, die zweite aber deutlich stärker spürbar; dies

gilt sowohl für die Exportpreise der EU als auch für die Neuseelands und Australi-

ens. Dagegen war die Preisspitze von 2007/08 in den entsprechenden Ländern wie-

derrum etwas weniger stark ausgeprägt.

0

1000

2000

3000

4000

5000

6000

Jan. 94 Jan. 96 Jan. 98 Jan. 00 Jan. 02 Jan. 04 Jan. 06 Jan. 08

US

D p

ro T

onn

e (F

OB

Oze

anie

n) MMP

VMP

Butter

Käse

Molkenpulver (FOB EU)


10

Zu den Gründen sprechen WOCKEN et al. (2008: 49) für die zweite Preisspitze die

Rolle des Dairy Price Support Program der USA an. Bei diesem werden von der

Commodity Credit Corporation MMP, Butter und Käse in unbegrenzten Mengen und

zu festen Preisen gekauft, um am Markt einen Mindestpreis durchzusetzen (USDA-

ERS 2006a: 15). Aufgrund einer rückläufigen Inlandsnachfrage erreichten die dabei

aufgebauten Lagerbestände im Jahr 2002 für MMP Rekordwerte. BAILEY (2002)

konnte zeigen, dass die MMP-Nachfrage von stark steigenden MPK-Importen ver-

drängt wurde. Somit erzeugten die Interventionsaktivitäten der USA über Umwege

eine höhere Nachfrage nach Milchproteinen auf den Weltmärkten. Das würde erklä-

ren, dass die konstatierte Preisspitze lediglich für milchproteinhaltige Produkte zu

beobachten war. Im Gegensatz dazu stiegen im Jahr 2007 die Preise für alle Milch-

produkte. Dies wird von WOCKEN et al. (2008: 49) sowie FAHLBUSCH et al. (2009:

47) mit historisch niedrigen Lagerbeständen bei allen Milchprodukten und einer An-

gebotsverknappung auf den Weltmärkten erklärt. Weiterhin führen die Autoren eine

psychologisch bedingte Überreaktion der Märkte an.

2.3 Marktstrukturen und deren Entwicklung

In den vorausgehenden Kapiteln wurde bereits an einigen Stellen angedeutet, welche

Länder, vor allem auf der Seite der Exporteure, eine entscheidende Stellung auf den

Weltmärkten für Milchprodukte innehaben. Tatsächlich finden sich auf der Ange-

botsseite lediglich vier große Exporteure12, die in den letzten Jahren 80-90% der glo-

balen Exporte auf sich vereint haben (Abbildung 2.5): Die EU, Neuseeland, Australi-

en und die USA. Als weitere relevante Exporteure, die – ähnlich wie die USA – al-

lerdings nur in einzelnen Märkten eine gewisse Bedeutung haben, werden oftmals

noch Argentinien und die Ukraine genannt (FAHLBUSCH et al. 2009, DAIRY AUSTRA-

LIA 2008a). Im Gegensatz dazu ist die Nachfrageseite auf den Weltmärkten für

Milchprodukte deutlich weniger konzentriert. So existiert eine Fülle von Nachfra-

gern, die teilweise nur geringe Mengen importieren oder nur auf einzelnen Märkten

nachfragen. Als wichtigste Nettoimporteure können Russland, Mexiko, Japan, Alge-

rien, Saudi-Arabien, China, die Philippinen und Singapur genannt werden (FAPRI

2009, ZMP 2009). Daneben importieren allerdings auch die USA und die EU als

Nettoexporteure beträchtliche Mengen Milcherzeugnisse. Aufgrund der höheren

Konzentration soll folgend näher auf die Angebotsseite eingegangen werden.

12 Mit Exporteuren bzw. Importeuren sind hier nicht einzelne Unternehmen, sondern Länder gemeint.


11

Abbildung 2.5: Entwicklung der Exportanteile in Milchäquivalent

Quelle: Eigene Darstellung nach Daten von DAIRY AUSTRALIA (2008a: 20)

In den vergangenen zwei Jahrzehnten war vor allem die EU der weltweit führende

Exporteur von Milcherzeugnissen (USDA-ERS 2006b: 11), was auch Abbildung 2.5

erahnen lässt. Dabei wurde der internationale Handel mit Milcherzeugnissen über

einen langen Zeitraum als Sekundärmarkt zur Beseitigung von Überschüssen ange-

sehen (ebenda: 10). Dieser Eindruck ist nicht zuletzt dadurch entstanden, dass die EU

durch ein System institutioneller Preise Anfang der 1980er Jahre große Produktions-

überschüsse aufwies, die dann, soweit wie möglich, mit Ausfuhrerstattungen auf den

Weltmärkten abgesetzt wurden (GRAMS 2004). Erst mit Einführung der Quotenrege-

lung im Jahr 1984 und darauffolgenden Kürzungen der Garantiemengen konnte die

Produktion und damit die Exporte der EU begrenzt werden (ebenda: 11, USDA-ERS

2006b: 11). Im Jahr 2007 exportierte die EU schließlich 8-9% ihrer produzierten

Milchmenge in verarbeiteter Form und damit 15% der MMP-, 51% der VMP-, 8%

der Butter- und 7% der Käseproduktion (FAHLBUSCH et al. 2009: 43).

Tabelle 2.2: Exportanteile an den Weltmärkten für Milchprodukte

Milcherzeugnis EU-25 Neuseeland Australien USA Andere

Magermilchpulver 26% 23% 14% 21% 16%

Vollmilchpulver 29% 35% 10% 3% 23%

Butter 39% 40% 7% 0% 14%

Käse 40% 20% 10% 4% 26%

MPK 19% 69% 3% 10%

Molkeprodukte 39% 4% 13% 43%

Laktose 19% 17% 4% 59%

Kasein 49% 44% 6% 0%

Ant

eil

am

Wel

tma

rkt

200

4

An

teil

am

H

and

el d

.gr.

E

xp

ort

eure

2

005

Quellen: EU-KOMMISSION (2006), Eigene Berechnungen nach Daten von MDC (2007: 53)

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

EU Neuseeland Australien

USA Andere


12

Wie aus Tabelle 2.3 hervorgeht, erreicht die EU dabei Weltmarktanteile zwischen 26

und 40% in den klassischen Märkten und bis zu 49% in den wichtigsten neuen Märk-

ten13. Dabei weisen allerdings vor allem die EU-Nettoexporte von MMP und VMP

im Zeitraum 1999 - 2008 einen fallenden Trend auf, was – trotz einer zwischenzeitli-

chen Steigerung – ebenfalls für Butter gilt; einzig die Käseexporte folgen einem stei-

genden Trend (FAPRI 2009, DG AGRI 2009). Aufgrund der hohen Produktdifferen-

zierung innerhalb der Produktkategorie Käse erlaubt die Nachfrage nach europäi-

schem Käse der EU den Export in alle Länder mit hohen Pro-Kopf-Einkommen, inkl.

Neuseeland als großem Exporteur (USDA-ERS 2006b: 10). Als größten Importeur

von europäischem Käse präsentiert Abbildung 2.6 dabei die USA, wobei auch er-

sichtlich wird, dass die EU neben dem transatlantischen Handel tendenziell auf nahe

gelegene, traditionelle Märkte setzt (ebenda: 9).

Abbildung 2.6: Globale Handelsströme bei Milchprodukten 2004

Quelle: USDA-ERS (2006b:10)

Im Jahre 2001 wurden die EU-Exporte in Milchäquivalent erstmalig von denen Neu-

seelands übertroffen (Abbildung 2.5). Dabei konnten neben relativ konstanten Expor-

ten in die EU vor allem asiatische und südostasiatische Länder sowie Entwicklungs-

länder im Allgemeinen erschlossen werden (Abbildung 2.6). Auf diese Weise wurde

das Exportvolumen Neuseelands von 0,6 Mrd. USD im Jahr 1980 auf rund 3,6 Mrd.

USD im Jahr 2005 in etwa versechsfacht (ebenda: 11) und hohe Weltmarktanteile

13 Dass in den Ausführungen dieses und des letzten Kapitels die neueren Produkte MPK, Molke, Lak-tose und Kasein bisher nicht berücksichtigt wurden, war vor allem das Resultat einer schlechten bzw. nicht gegebenen Datenverfügbarkeit.


13

vor allem bei Milchpulver, Butter, MPK sowie Kasein erreicht (Tabelle 2.2). Dabei

ist in nahezu allen Produktkategorien, besonders aber bei Käse und Milchpulver, ein

steigender Trend in den Exportmengen zu verzeichnen (GTIS 2009).

Grundsätzlich weist Neuseeland als Exporteur von Milchprodukten einige Besonder-

heiten auf. Zum einen werden 95% der inländischen Milchproduktion in Form von

haltbaren Milcherzeugnissen exportiert, was bei keinem der anderen bedeutenden

Exporteure auch nur annähernd der Fall ist. Zum anderen werden wiederum 95% der

produzierten Milch von einem einzigen Unternehmen verarbeitet, der Fonterra Co-

operative Group Ltd. (ARMENTANO et al. 2004: 41). Auch dies trifft bei keinem an-

deren bedeutenden Exporteur zu14. Aufgrund der besonderen Rolle Fonterras soll in

Kapitel 2.5 vertieft auf die Entwicklung, Strategien und internationale Bedeutung des

Unternehmens eingegangen werden.

Als drittgrößter Exporteur auf den Weltmärkten ist Australien zu nennen. Dessen

Entwicklung im Export von Milcherzeugnissen weist durchaus einige Parallelen zu

der Neuseelands auf. So exportiert auch Australien einen großen Teil (45%) der in-

ländischen Milchproduktion und konnte vor allem in den 1990er Jahren Weltmarkt-

anteile hinzugewinnen (DAIRY AUSTRALIA 2008b). Zur Verdeutlichung: Exportierte

das Land Anfang der 1990er Jahre noch 35% der verarbeiteten Milcherzeugnisse, ist

dieser Anteil bis 2002 auf annähernd 60% gestiegen (ARMENTANO et al. 2004: 50).

Da Australien allerdings seit 2002 mit einer langjährigen Dürre zu kämpfen hat, ist

seitdem einen Rückgang im Weltmarktanteil zu erkennen (vgl. Abbildung 2.5). Die-

ser ist Exportrückgängen bei allen Produkten (ausgenommen Käse) geschuldet, wo-

bei insbesondere die Milchpulver- und seit 2006 auch Molke-Exporte eingebrochen

sind (GTIS 2009). Dies trifft somit gerade die Märkte, bei denen Australien die

höchsten Weltmarktanteile im Produktportfolio aufweisen kann (Tabelle 2.2).

Deutliche Unterschiede zwischen Australien und Neuseeland sind bei der Molkerei-

struktur zu konstatieren; diese ist in Australien sehr diversifiziert und besteht aus

Genossenschaften sowie öffentlichen, privaten und multinationalen Unternehmen –

z.B. auch der Fonterra Co-operative Group, die 19% der in Australien produzierten

Milch verarbeitet (DAIRY AUSTRALIA 2008b: 21, IFCN 2008: 73).

An vierter Stelle auf den Weltmärkten sind schließlich die USA zu finden. Dabei ist

deren Position nicht unbedingt eindeutig. So sind die USA zwar großer Exporteur,

14 Wird bspw. mit der EU verglichen, so zeigt sich, dass allein in Deutschland 2006 noch 198 milch-verarbeitende Unternehmen zu verzeichnen waren, die größtenteils zumindest potentiellen Zugang zu den Exportmärkten hatten (BMELV 2008a: 18).


14

aber auch großer Importeur auf den Weltmärkten für Milchprodukte. Daraus ergab

sich traditionell ein Außenhandelsdefizit bei Milcherzeugnissen15. Erst 2008 konnte

das Land erstmals seit 15 Jahren wieder einen Außenhandelsüberschuss erzielen

(USDA-FAS 2008a: 1). Wird die Außenhandelsbilanz nach Milcherzeugnissen auf-

geschlüsselt, zeigt sich, dass vor allem Käse und Kasein importiert werden. Expor-

tiert werden hingegen hauptsächlich Molke, Laktose und MMP, was sich auch deut-

lich an den Weltmarktanteilen der USA bei den entsprechenden Produkten bemerk-

bar macht (Tabelle 2.2). Während Molke und Laktose schon über einen längeren

Zeitraum exportiert werden, ist die Ausfuhr von MMP erst in den letzten Jahren stark

angestiegen. Hauptzielregionen der amerikanischen Exporte sind dabei Nordamerika

(Mexiko, Kanada; 40%) (vgl. Abbildung 2.6), Südostasien und Ostasien (JESSE &

DOBSON 2008: 3-6). Da sich in der Struktur des amerikanischen Außenhandels Ver-

flechtungen mit der neuseeländischen Fonterra Co-operative Group ergeben, sei

diesbezüglich auf die Ausführungen in Kapitel 2.5 verwiesen.

Obwohl bereits in Kapitel 2.1 die global gehandelten Milcherzeugnisse mit Ausnah-

me von Käse als relativ homogene Güter eingestuft wurden, soll an dieser Stelle auf

eine mögliche Produktdifferenzierung nach Herkunftsland eingegangen werden. So

konstatiert DAIRY AUSTRALIA (2008: 18) das Vorhandensein eines zweistufigen

Marktes, in dem die Erzeugnisse aus der EU, Neuseeland und Australien als die Bes-

ten im Sinne von Qualität, Sicherheit und Funktionalität angesehen werden. Produkte

aus den genannten Ländern würden aus verschiedenen Gründen gegenüber Produk-

ten aus z.B. Indien, China, Argentinien, Belarus, der Ukraine und den USA bevor-

zugt. Ist dies tatsächlich der Fall, so sind die einzelnen Güter nicht mehr als homo-

gen, sondern lediglich als imperfekte Substitute zu betrachten. Dabei wird allerdings

nicht klar auf welche – wenn nicht auf alle – Milcherzeugnisse sich DAIRY AUSTRA-

LIA (2008: 18) bezieht. So ist bspw. bei den Importpreisen der größten MMP-

Importeure kein systematischer Qualitätsbonus bei MMP-Importen der genannten

Länder im Vergleich zu MMP-Importen aus den USA zu erkennen (GTIS 2009). Ob,

in welchem Maße und bei welchen Produkten also tatsächlich eine Produktdifferen-

zierung nach Herkunftsland vorliegt, kann hier nicht abschließend geklärt werden.

Sollte entsprechendes aber vorliegen, so würde dies den Wettbewerb einschränken

und die Ausübung von Marktmacht begünstigen.

15 Da die USA vornehmlich Güter mit einer höheren Wertschöpfung importieren – bspw. sind sie der weltweit größte Importeur von Käse – und Commodities exportieren, sind sie nach Handelsvolumen Nettoimporteur und in Milchäquivalent Nettoexporteur mit einem Selbstversorgungsgrad von 102%.


15

2.4 Politikeingriffe und Handelshemmnisse

Bereits bei der Diskussion von Handelsmengen und Preisen sowie der Entwicklung

von Marktstrukturen in den Kapiteln 2.2 und 2.3 zeigte sich, dass alle diese Bereiche

mehr oder weniger stark von der politischen Umwelt abhängen. Marktpolitische Ein-

griffe von Ländern – insbesondere wenn diese eine hohe (potentielle) Präsenz auf

den Weltmärkten aufweisen – beeinflussen direkt die Weltmarktbedingungen.

Wird zuerst die Angebotsseite betrachtet, so gibt Tabelle 2.3 einen Überblick über

die angewandten Politikinstrumente der größten Exporteure.

Tabelle 2.3: Angewandte Politikinstrumente bei den größten Exporteuren

Milch MMP VMP Butter Käse

EU PS, DZ, Q Z, ZK, X, PS Z, ZK, X Z, ZK, X, PS, K Z, ZK, X

Neuseeland - - - Z, ZK Z, ZK

Australien - - - Z, ZK Z, ZK

USA PS, DZ Z, ZK, X, PS Z, ZK, X Z, ZK, X, PS Z, ZK, X, PS

Z = Zölle PS = Preisstützung Q = ProduktionsquoteZK = Zollkontingente DZ = Direktzahlungen K = KonsumsubventionenX = Exporterstattungen

Quelle: Eigene Darstellung nach USDA-ERS (2006c: 8, 23-24)

Unmittelbar sichtbar wird eine Fülle von Politikinstrumenten im Falle der EU und

den USA. So erfolgt bspw. in beiden Ländern eine Preisstützung im Binnenmarkt. In

der EU wird diese durch den staatlichen Aufkauf und die Lagerung von MMP und

Butter erreicht. Die jeweiligen Interventionspreise für MMP und Butter wurden – bis

zu dessen Abschaffung durch die Luxemburger Beschlüsse – aus einem Richtpreis

für Milch abgeleitet16. Flankiert wird die Binnenmarktintervention durch Außenhan-

delsregelungen in Form von Importzöllen17 und Exportsubventionen. Letztere sind

vor allem nötig, um die durch das hohe Preisniveau entstandenen „Produktionsüber-

schüsse“ auf den Weltmärkten absetzen zu können. Da Anfang der 1980er Jahre al-

lerdings stark zunehmende Lagerbestände und Haushaltsausgaben zu verzeichnen

waren, kam es 1984 zur Einführung einer Garantiemengen- bzw. Quotenregelung für

Milch. Erst die Agenda 2000 und deren Revision, die in den Luxemburger Beschlüs-

sen im Jahr 2003 mündete, führten zu einer teilweisen Abkehr der Preisstützung und

der Einführung von Direktzahlungen18 (GRAMS 2004).

16 Ab dem Milchwirtschaftsjahr 2004/05 wurden die Interventionspreise schrittweise gekürzt. 17 Ursprünglich wurden variable Einfuhrabschöpfungen eingesetzt, die aber 1995 im Zuge der Uru-guay-Runde des GATT in feste Zollsätze umgewandelt werden mussten. 18 GRAMS (2004: 5-21) bietet eine umfassende historische Darstellung der EU-Milchmarktpolitik.


16

Ähnlich der Binnenmarktintervention der EU verfügen auch die USA über ein Pro-

gramm zur Preisstützung, dem Price Support Purchase Program, welches über die

Commodity Credit Corporation MMP, Butter und Käse zu festgelegten Preisen auf-

kauft und damit einen Mindestpreis durchsetzt. Da es in den 1980er Jahren aber zu

ähnlichen Problemen hoher Lagerbestände wie in der EU kam, wurde der Milk Sup-

port Price über die folgenden Jahre auf ein Niveau zurückgefahren, das nur noch

gegen extrem niedrige Preise schützt. Zur Abschottung des Binnenmarktes setzen die

USA dabei auf Importzölle und Importquoten, die in der Uruguay-Runde des GATT

in Zollkontingente umgewandelt wurden. Ab 1985 wurden zusätzlich auch Export-

erstattungen mit dem Dairy Export Incentive Program eingeführt, die aber zu keinem

Zeitpunkt ähnlich intensiv genutzt wurden wie in der EU bzw. gar nicht zur Anwen-

dung kamen (USDA-ERS 2006a). Ein weiteres Stützungsprogramm der USA sind

die Federal (und State) Milk Marketing Orders, die je nach Endnutzung – und damit

Höhe der Nachfrageelastizität – eine Reihe von Mindestpreisen, i.d.R. für frische

Milcherzeugnisse, festsetzen. Diese praktizierte Preisdiskriminierung ist u.a. proble-

matisch, da sie indirekt die Produktion exportierbarer Commodities subventioniert

(COX & ZHU 2005: 165). Nachdem in den 1980er und 90er Jahren schon einige Di-

rektzahlungsprogramme stattfanden, die allerdings die Zahlungen an Produktionsre-

duzierung oder -ausstieg koppelten, wurde 2002 das Milk Income Loss Contract

Program aufgelegt. Bei diesem erfolgen Zahlungen an die Milchproduzenten, sofern

der Milchpreis einen Zielpreis unterschreitet19 (USDA-ERS 2006a, CROPP 2001).

Neben der Marktabschottung von EU und USA durch Zölle (Abbildung 2.7) ist vor

allem die handels- und preisverzerrende Wirkung der Exportsubventionen auf die

Weltmärkte problematisch, weshalb primär die EU in der Kritik steht. Als Folge des-

sen wurde in der Uruguay-Runde vereinbart, die Menge der subventionierten Exporte

um 21% und die Ausgaben für Exporterstattungen um 36% zu senken (KOESTER

2005: 318). Da die USA während der Basisperiode 1986-90 allerdings nur wenig

Exporterstattungen einsetzten, sind deren Spielräume im Vergleich zu denen der EU

eher als gering einzustufen. Faktisch kann nur noch MMP in größeren Mengen unter

Subventionen exportiert werden (DOBSON 2004).

Ganz anders stellt sich die Situation in Neuseeland und Australien dar. In einer all-

gemeinen Deregulierungswelle im Jahr 1984 wurden alle wesentlichen Stützungen

für landwirtschaftliche Produzenten in Neuseeland abgeschafft. Zuvor wurden die

19 Ein umfassender Überblick über die Milchmarktpolitik der USA findet sich in USDA-ERS (2006a).


17

Produzenten mit produktionsgekoppelten Zahlungen für das Sinken der Preise unter

einen festgesetzten „Mindestpreis“ kompensiert. Die Abschaffung dieser Regelung

traf insbesondere die Schaf- und Rinderhaltung, wohingegen die weniger subventi-

onsabhängige Milchviehhaltung an relativer Vorzüglichkeit gewann (OHLSSON 2004:

5-6). Ebenso ist die Milcherzeugung in Australien im Jahr 2000 fast vollständig de-

reguliert worden. Bis dahin gab es Regelungen über das Domestic Market Support

Program für Produzenten von verarbeiteten Milchprodukten und State Market Milk

Programs für Trinkmilchproduzenten. Ersteres erhob Abgaben auf die inländische

Nachfrage von Milcherzeugnissen, die dann an die Produzenten flossen; bei letzte-

rem wurden höhere Preise teilweise durch Produktionsquoten durchgesetzt (ARMEN-

TANO et al. 2004: 49). Auch wenn sowohl Neuseeland als auch Australien nicht völ-

lig auf Importzölle verzichten, sind deren Höhen weitaus geringer als die angewand-

ten Zollsätze in der EU und den USA (Abbildung 2.7). Weiterhin sind 72% bzw.

75% der Zolllinien komplett zollfrei (0% bei EU und USA) (WTO 2008).

Die Beschäftigung mit Zöllen rückt bereits die Nachfrageseite bzw. die Importeure

auf den Weltmärkten in den Fokus der Betrachtung. Unterschiedliche Arten von Zöl-

len, wie z.B. Wert- und Mengenzölle, werden dabei als tarifäre Handelshemmnisse

bezeichnet (KOESTER 2005: 291ff). Für die wichtigsten Exporteure und Importeure

auf den klassischen Märkten sind in Abbildung 2.7 die durchschnittlichen ad valorem

Zollsätze für Milchprodukte dargestellt.

Abbildung 2.7: Durchschnittlich angewandte Zollsätze für Milchprodukte

Quelle: Eigene Zusammenstellung nach Daten von WTO (2008)

Dabei wird sichtbar, dass die weltweit angewandten Zollsätze zu einem hohen Grade

variieren. Im Bereich niedriger Zollsätze finden sich neben den Niedrigkosten-

0%

50%

100%

150%

200%Nettoexporteure

Nettoimporteure

242%


18

Produzenten, wie Neuseeland und Australien, Länder, die nur über eine geringe in-

ländische Milchproduktion verfügen und aus diesem Grunde hohe Mengen von (ein-

zelnen) Milcherzeugnissen importieren müssen; dies betrifft z.B. die Philippinen,

Malaysia oder Indonesien. Dagegen besitzen Länder mit einer hochprotektionierten

Milchwirtschaft, wie Kanada, Japan und die EU, weitaus höhere Zollsätze.

Neben tarifären können weiterhin nicht-tarifäre Handelshemmnisse (NTH) bestehen.

Hierzu zählen alle anderen Formen von Regelungen, die gewollt oder ungewollt zur

Einschränkung des Handels bzw. von Importen führen. Dies sind bspw.:

- Variable Abschöpfungen

- Mengenbeschränkungen (Importquoten, Zollkontingente)

- Importlizenzen

- Technische Handelsbarrieren (Standards, etc.)

- Sanitäre und phytosanitäre Qualitätsstandards (KOESTER 2005: 291f).

Da beobachtet werden konnte, dass der Umfang von NTH allgemein beträchtlich

zunahm, wurde in der Uruguay-Runde unter dem Stichwort „Tarifizierung“ be-

schlossen, alle NTH zu beseitigen20 und wenn nötig in Zölle umzuwandeln, welche

binnen 6 Jahren um durchschnittlich 36% zu senken waren (DOBSON 2008: 11). Da-

bei sind allerdings Zollkontingente als Möglichkeit zur Gewährung eines Marktzu-

ganges weiterhin erlaubt.

Eine Beurteilung der Relevanz von NTH auf den Weltmärkten für Milchprodukte ist

nicht ganz trivial. Zwar lassen sich bspw. Mengenbeschränkungen relativ einfach

beobachten und in ihren ökonomischen Auswirkungen analysieren, dasselbe trifft

aber nicht für eher „weichere“ Handelshemmnisse, wie z.B. technische Handelsbar-

rieren21, zu. Zu den Auswirkungen technischer Handelsbarrieren und Verfahren zur

Feststellung von Übereinstimmungen führte die OECD (1999) eine Studie u.a. für

den Handel mit Milcherzeugnissen durch. Dabei wurden die USA, Japan, Großbri-

tannien und Deutschland einbezogen. Die Ergebnisse zeigten Probleme mit Zertifi-

zierungen und Zulassungsverzögerungen bei Spezialitäten, aber nur wenig Schwie-

rigkeiten bei Commodities. Ähnlich berichtet auch das BMELV (2008b: 23) über

schleppende Zulassungsverfahren für bestimmte Produkte in den USA und Vor-

schriften über die Proteinzusammensetzung von Käse in Kanada.

20 Prinzipiell verbietet schon das GATT von 1947 in Art. XI (1) die Existenz von NTH; im WTO-Abkommen über Landwirtschaft werden aber Ausnahmen zugelassen (KOESTER 2005: 309). 21 Einen Überblick über Ansätze zur Quantifizierung der Auswirkungen technischer Handelsbarrieren bieten bspw. MASKUS et al. (1999).


19

2.5 Große Marktakteure: Der Fall Fonterra

Wie bereits in Kapitel 2.3 gezeigt wurde, nimmt Neuseeland schon vom bloßen

Marktanteil eine besondere Stellung auf den Weltmärkten ein. Hinzu kommt, dass

die neuseeländischen Exporte seit 2001 im Wesentlichen nur noch von einem Unter-

nehmen, der Fonterra Co-operative Group Ltd., durchgeführt werden.

Diese Struktur ist in einem relativ kurzen Zeitraum entstanden. 1935 waren in Neu-

seeland 400 Molkereigenossenschaften zu finden, 1960/61 hat sich diese Zahl auf

180 reduziert und Anfang der 1990er Jahre waren es nur noch 19 (OHLSSON 2004:

6f). Dabei gelang es allerdings bereits 1961, ein einheitliches Auftreten auf den Ex-

portmärkten durch die Gründung des New Zealand Dairy Boards (NZDB) zu realisie-

ren. Das NZDB verfügte per Gesetz (Dairy Board Act) über das alleinige Recht zum

Export neuseeländischer Milcherzeugnisse. Es übernahm dabei die Organisation von

Verschiffung, Verpackung, Transport, Lagerung, Qualitätskontrolle, Werbekampag-

nen und andere Dienstleistungen. Hinzu kamen Anstrengungen zur Verbesserung der

Tierbestände und die Durchführung von Forschung im Milchbereich. Besitzer des

NZDB waren die Molkereigenossenschaften, die Anteile entsprechend der von ihnen

über das Board vermarkteten Produktmenge hielten (ebenda: 7, DOBSON 1990).

Nachdem durch fortschreitende Fusionen von Molkereigenossenschaften deren Zahl

in den 1990er Jahren weiter schrumpfte, waren im Jahr 2000 nur noch vier Unter-

nehmen übrig: Die New Zealand Dairy Group, Kiwi, Tatua und Westland. Dabei

hielten die ersten beiden Unternehmen zusammen einen Anteil von 96% am NZDB.

Bereits 1998 wurde allerdings von der neuseeländischen Regierung angekündigt,

dass alle Producer Boards – einschließlich des NZDB – dereguliert werden sollten,

womit auch das NZDB sein Exportmonopol verlieren würde. Auf die Anfrage der

Regierung nach Konzepten für die Deregulierung schlug das NZDB eine Fusion zu-

mindest der beiden größten Genossenschaften New Zealand Dairy Group und Kiwi

vor. In das daraus entstehende Unternehmen sollten dann die Strukturen des NZDB

integriert werden. Aufgrund von Bedenken bzgl. des daraus entstehenden Monopol-

status wurde dieser Plan dann allerdings von der Wettbewerbsbehörde abgelehnt.

Erst ein zweiter Anlauf, bei dem unter Umgehung der Wettbewerbsbehörde direkt

mit der Regierung verhandelt wurde, brachte schließlich den Erfolg. Dabei musste

jedoch durch verschiedene Mechanismen sichergestellt werden, dass sowohl die

Milchproduzenten vor der Monopsonmacht als auch die Konsumenten vor der Mo-

nopolmacht des neuen Unternehmens geschützt werden (OHLSSON 2004: 8-10).


20

Nach Zustimmung der genossenschaftlichen Eigner und der Schaffung einer gesetz-

lichen Grundlage (Dairy Industry Restructuring Act) konnte die neuentstandene Fon-

terra Co-operative Group Ltd. im Oktober 2001 schließlich das operative Geschäft

aufnehmen. Sowohl Tatua als auch Westland entschlossen sich als kleinere Molke-

reigenossenschaften relativ früh nicht an der Fusion teilzunehmen, nutzen aber zum

Teil bei Commodities Fonterras globales Netzwerk (OHLSSON 2004: 8-10).

Das 2001 entstandene Unternehmen Fonterra vermarktet in 140 Länder der Welt

über das Vermarktungsnetzwerk des früheren NZDB und machte 2002 einen Umsatz

von knapp 14 Mrd. NZD bei über 13.000 Stakeholdern und 20.000 Beschäftigten.

Die Bedeutung für die neuseeländische Volkswirtschaft ist dabei durchaus als nicht

gering einzustufen. So erzielt Fonterra 20% der neuseeländischen Exporteinnahmen

und erwirtschaftet damit etwa 7% des BIP (ebenda: 9f).

Unternehmensstrategisch führt Fonterra die Grundansätze des NZDB weiter22. So

konstatiert DOBSON (1990: 547) als Hauptstrategien des NZDB „[…] to increase

exports of specialized, value-added products, increase sales through foreign subsidi-

aries, and diversify across products and countries”. Diese Kernbereiche können auch

in den langfristigen Strategien Fonterras wiedergefunden werden, die das Unterneh-

men in die Lage versetzen sollen:

1) der Produzent mit den niedrigsten Kosten bei Commodity-Milchprodukten,

2) der führende Preis- und Lagermanager auf den globalen Märkten,

3) der führende Innovator für Spezialmilchkomponenten,

4) der führende Vermarkter von Milchprodukten im Endverbrauch,

5) der führende Vermarkter im Großkundenbereich in Schlüsselmärkten,

6) ein effektiver Entwickler von Partnerschaften bei Inhaltsstoffen aus Milch-

produkten in Schlüsselmärkten und

7) ein effektiver Entwickler von integrierten Strategien für die Schlüsselmärkte

in China, Osteuropa, Indien, Chile, Brasilien und Argentinien

zu sein (ARMENTANO et al. 2004: 46). Dabei will das Unternehmen Umsatzzuwächse

von 15% p.a. erreichen. Werden die ersten beiden Ziele betrachtet, so zeigt sich, dass

diese vornehmlich auf die Stellung Fonterras auf den Weltmärkten für Milcherzeug-

nisse des Commodity-Bereichs abzielen. Da Fonterra 65% der neuseeländischen Ex-

porte als Commodities absetzt (ebenda: 45), kommt diesem Bereich eine besondere

Bedeutung zu. Nicht zuletzt muss hier auch ein Großteil des neuseeländischen Pro- 22 DOBSON & WILCOX (2004: 4-5) präsentieren einen historischen Abriss zur Entwicklung der Zielset-zung vom NZDB bis zur Fonterra Co-operative Group Ltd.


duktionszuwachses abgesetzt werden. Der Verweis auf ein Preis

gement zeigt dabei deutlich, dass Fonterra offensichtlich in der Lage ist, die Bedi

gungen auf den Weltmärkten zu beei

die schon vom NZDB anvisierte Diversifikation über

rung 3. Grades (vgl. Kapitel 3.1.3) gedeutet werden, wenn sie nicht auf tatsächlichen

Qualitäts- oder Verarbeitungsunterschieden bei

Die Ziele 3, 4 und 5 hingegen verweisen auf

tenen Produkte stärker gegenüber der Konkurrenz zu differenzieren und somit eine

geringere Homogenität innerhalb der Güter zu schaffen; dieses Ziel bestand a

schon unter dem NZDB. Zwar konnte der Anteil der Güter mit einer höheren Wer

schöpfung (differenzierte Güter)

erhöht werden (es blieb bei 35%), allerdings stieg auch die verarbeitete Milch

um 100%. Entsprechend war das Unternehmen bzgl.

von Gütern also durchaus erfolgreich (ebenda: 45

Die verbleibenden Ziele 6 und 7 drücken das Engagement aus, zum einen den Ei

fluss Fonterras auf den internationalen Märkten weiter

in Märkte vorzudringen, die aufgrund von Handelshemmnissen bisher nicht erreicht

werden konnten (DOBSON

Zusammenarbeit mit anderen Un

illustriert das aus dieser Zielsetzung entstandene Netzwerk.

Abbildung 2.8: Globales Netzwerk

Quelle: Eigene Darstellung nach

23 Fonterra hielt zwischenzeitlich auch eine 43%ige Beteiligung der chinesischen Sanluaber in Folge des Melaminskandals mittlerweile in Konkurs ist.

entwicklung der Weltmilchmärkte

abgesetzt werden. Der Verweis auf ein Preis- und Lagerman

deutlich, dass Fonterra offensichtlich in der Lage ist, die Bedi

gungen auf den Weltmärkten zu beeinflussen. In diesem Zusammenhang könnte auch

die schon vom NZDB anvisierte Diversifikation über Länder als Preisdiskrimini

(vgl. Kapitel 3.1.3) gedeutet werden, wenn sie nicht auf tatsächlichen

der Verarbeitungsunterschieden bei den Gütern beruht.

3, 4 und 5 hingegen verweisen auf die Bemühungen Fonterras


geringere Homogenität innerhalb der Güter zu schaffen; dieses Ziel bestand a

schon unter dem NZDB. Zwar konnte der Anteil der Güter mit einer höheren Wer

schöpfung (differenzierte Güter) im Zeitraum 1989/90 bis 2002/03 nicht wesentlich

erhöht werden (es blieb bei 35%), allerdings stieg auch die verarbeitete Milch

Entsprechend war das Unternehmen bzgl. der stärkeren Differenzierung

Gütern also durchaus erfolgreich (ebenda: 45-46).

Die verbleibenden Ziele 6 und 7 drücken das Engagement aus, zum einen den Ei

fluss Fonterras auf den internationalen Märkten weiter zu stärken und zum anderen


OBSON & WILCOX 2004: 5). Dabei soll beides durch die verstärkte

Zusammenarbeit mit anderen Unternehmen vorangetrieben werden. Abbildung 2.8

illustriert das aus dieser Zielsetzung entstandene Netzwerk.

: Globales Netzwerk23 der Fonterra Co-operative Group Ltd

Eigene Darstellung nach USDA-ERS (2006b: 14)

Fonterra hielt zwischenzeitlich auch eine 43%ige Beteiligung der chinesischen Sanlu

aber in Folge des Melaminskandals mittlerweile in Konkurs ist.

21

und Lagermana-

deutlich, dass Fonterra offensichtlich in der Lage ist, die Bedin-

In diesem Zusammenhang könnte auch

Länder als Preisdiskriminie-

(vgl. Kapitel 3.1.3) gedeutet werden, wenn sie nicht auf tatsächlichen

die Bemühungen Fonterras, die angebo-


geringere Homogenität innerhalb der Güter zu schaffen; dieses Ziel bestand auch

schon unter dem NZDB. Zwar konnte der Anteil der Güter mit einer höheren Wert-

im Zeitraum 1989/90 bis 2002/03 nicht wesentlich

erhöht werden (es blieb bei 35%), allerdings stieg auch die verarbeitete Milchmenge

stärkeren Differenzierung

Die verbleibenden Ziele 6 und 7 drücken das Engagement aus, zum einen den Ein-

zu stärken und zum anderen


2004: 5). Dabei soll beides durch die verstärkte

Abbildung 2.8

perative Group Ltd.

Fonterra hielt zwischenzeitlich auch eine 43%ige Beteiligung der chinesischen Sanlu-Gruppe, die


22

Angemerkt sei an dieser Stelle, dass es sich bei den Kooperationen in Abbildung 2.8

lediglich um eine Auswahl der wichtigsten handelt und keineswegs der Anspruch auf

Vollständigkeit erhoben werden soll. So weist Fonterras Annual Report 2008 über 50

Tochterunternehmen, Beteiligungen und Joint Ventures aus (FONTERRA 2008: 45f),

deren nähere Betrachtung hier jedoch nicht von unmittelbarem Interesse ist.

Da in dieser Arbeit die Weltmärkte im Fokus stehen, soll im Folgenden vor allem auf

die Partnerschaften eingegangen werden, die einen direkten Einfluss auf die Anbie-

terstruktur der internationalen Märkte haben. Diesbezüglich ist vor allem die Zu-

sammenarbeit zwischen Fonterra und Dairy America zu nennen. Dairy America ist

eine Vereinigung aus sieben US-Molkereigenossenschaften24, die u.a. 100% des pro-

duzierten Milchpulvers der Mitgliedsmolkereien vermarktet. Im Jahr 2001 konnte

Fonterra mit Dairy America eine Vereinbarung abschließen, in dessen Namen und

auf Provision MMP auf Exportmärkten zu vermarkten. Dies macht Fonterra zum

Hauptexporteur von US-amerikanischem MMP (ARMENTANO et al. 2004: 46f), was

immerhin einem Weltmarktanteil von 21% entspricht (vgl. Tabelle 2.2).

Neben dem Export von US-MMP konnte Fonterra 2004 auch mit SanCor, der größ-

ten Molkereigenossenschaft Argentiniens, eine Vereinbarung zum Export argentini-

schen Milchpulvers und Käses treffen (USDA-ERS 2006b: 14). Dass diese nicht

ganz unerheblich ist, zeigt die Tatsache, dass Argentinien im Jahr 2004 einen Welt-

marktanteil von 11,2% bei VMP und 1,6% bei MMP hatte (GTIS 2009). Welcher

Anteil davon in den Einflussbereich von Fonterra fällt, ist mangels öffentlich zu-

gänglicher Daten allerdings nicht zu sagen. Des Weiteren wurde bereits in Kapitel

2.3 konstatiert, dass Fonterra auch 19% der australischen Milchproduktion verarbei-

tet. Dies geschieht u.a. über eine Beteiligung an der australischen Molkerei Bonlac,

die im Jahre 2003 auf 50% erhöht wurde, vermutlich um eine Fusion mit der Molke-

rei Murray Goulburn zu verhindern. Das Unternehmen, das damit entstanden wäre,

hätte 80% der australischen Exporte bei Milcherzeugnissen kontrolliert und sich so-

mit zu einem bedeutenden Konkurrenten entwickelt (ARMENTANO et al. 2004: 49).

Auch hier kann allerdings der Anteil der australischen Exporte, die dem Einflussbe-

reich Fonterras unterliegen, nicht quantifiziert werden.

Festgehalten werden kann an dieser Stelle, dass das dargelegte globale Netzwerk

Fonterra einen deutlich größeren Einfluss auf den Weltmärkten verschafft als dies

sowieso schon der Fall ist. Im Bereich der klassischen Märkte ist speziell bei MMP 24 Dairy Farmers of America, California Dairies, Land O´Lakes, Agri-Mark, United Dairymen of Arizona, O-At-KA Milk Producers und Maryland and Virginia Milk Producers.


23

davon auszugehen, dass Fonterra mehr als die Hälfte der globalen Exporte direkt

oder indirekt kontrolliert. Dies ist nicht zuletzt durch den Ausbau der US-MMP-

Exporte auf einen Weltmarktanteil von 35% in 2008 bedingt. Aber auch bei VMP

nähert sich dieser Einfluss aufgrund der Kooperation mit SanCor 50% an. Daneben

erreicht Fonterra in den Märkten für Butter, MPK und Kasein auch ohne weitere Ko-

operationen schon sehr hohe Weltmarktanteile (vgl. Tabelle 2.2).

Neben dem hohen Einfluss auf den internationalen Märkten kann Fonterra noch zwei

weitere günstige Voraussetzungen nutzen. So wurde Fonterra im Rahmen des Dairy

Industry Restructuring Act im Jahr 2001 das Privileg zugesprochen, die neuseeländi-

schen Zollkontingente in der Dominikanischen Republik, Kanada, der EU, den USA

und Japan für die darauffolgenden sechs Jahre zu nutzen. Nach Ablauf dieses Zeit-

raums läuft das Nutzungsrecht dann schrittweise bis 2010 aus und es erfolgt eine

neue Entscheidung über die Zuweisung von Zollkontingenten von der neuseeländi-

schen Regierung. Die Nutzung der Zollkontingente bietet bzw. bot Fonterra vor al-

lem im Falle der EU und den USA Zugang zu hochpreisigen Märkten (ARMENTANO

et al. 2004: 43, USDA-FAS 2006: 16).

Weiterhin kann Fonterra von der steigenden Anzahl Freihandelsabkommen (FHA)

zwischen Neuseeland und verschiedenen Ländern profitieren, die dem Unternehmen

in den jeweiligen Ländern einen höheren Preisspielraum gegenüber den Konkurren-

ten und somit auch Preisdiskriminierungsmöglichkeiten verschafft. Das älteste Frei-

handelsabkommen ist dabei das im Jahre 1983 vereinbarte The Closer Economic

Relations Agreement mit Australien, das – zusammen mit einigen Erweiterungen –

freien Handel mit Gütern und Dienstleistungen zwischen den Ländern ermöglicht

(ARMENTANO et al. 2004: 49). Daneben konnte 2001 ein FHA mit Singapur abge-

schlossen werden, das als Trans-Pacific Strategic Economic Partnership 2005 um

Chile und Brunei erweitert wurde. Hinzu kam zum 1. Juli 2005 ein FHA mit Thai-

land, in dessen Folge 52% der neuseeländischen Exporte nach Thailand zollfrei wur-

den. Im Rahmen dieses Abkommens sind einige Milcherzeugnisse allerdings erst bis

zum Jahr 2020 komplett zollfrei (USDA-FAS 2005: 14f).

Im April 2008 schloss sich schließlich an die bereits bestehenden FHA eine weitere

Übereinkunft mit China an. Zudem wurde im August 2008 ein Durchbruch in den

Verhandlungen um ein FHA zwischen Australien, Neuseeland und den ASEAN-

Staaten erreicht (USDA-FAS 2008: 22).

3 Preisfindungsmodelle der Neuen Industrieökonomik

24


Wie dem vorausgehenden Kapitel zu entnehmen ist, weicht die Marktstruktur der

Weltmärkte für Milcherzeugnisse beträchtlich von polypolistischen Verhältnissen ab;

speziell die Anbieterseite ist auf wenige Länder konzentriert.

In diesem Kapitel soll mittels Modellen der Neuen Industrieökonomik gezeigt wer-

den, welche Folgen eine Konzentration auf Anbieterseite für die Preisfindung unter

Punktmarktbedingungen und räumlicher Differenzierung hat.

3.1 Preisfindungsprozesse bei imperfektem Wettbewerb

3.1.1 Monopol

Obwohl ein Monopol streng genommen erst existiert, „wenn es für die Nachfrager

keine Möglichkeit gibt, auf das Gut eines anderen Anbieters als Substitut auszuwei-

chen“ (BESTER 2004: 25), soll im Folgenden – in Anlehnung an TIROLE (1988: 66-

68) und BESTER (2004: 25-29) – dennoch dieser Extremfall imperfekten Wettbe-

werbs als Referenzsituation diskutiert werden. Dabei können vor allem die grund-

sätzlichen Auswirkungen von Marktmacht gezeigt werden.

Folgend sei demnach von einem Alleinanbieter eines Gutes ausgegangen, der sich

der Nachfrage q = D(p) mit der inversen Nachfragefunktion p = P(q) gegenübersieht.

Dabei stellen C(q) die Kosten der Produktion von q Einheiten des Gutes dar. Dem-

entsprechend erzielt der Monopolist den Gewinn

Π ≡ D − CD, (3.1)

den es durch die Wahl des optimalen Monopolpreises (pm) zu maximieren gilt. Zur

Erreichung dessen muss die Bedingung erster Ordnung

Π′ = − C′D D′ + D = 0 (3.2)

erfüllt werden. Mittels einfacher Umformung von Bedingung (3.2) kann schließlich

der Ausdruck

− ′ = 1 (3.3)

gewonnen werden, wobei

≡ − D′D . (3.4)


Der linke Teil von Gleichung (3.3) wird auch als

gibt das Verhältnis des Markups

des Monopolisten wider. Ist Bedingung (3.2) erfüllt, so ist der Lerner

kehrt proportional zur Nachfrageelastizität (3.4).

Lerner-Index kleiner als Eins ist, dass d

setzt, dass ε > 126. Wird Gleichung (3.3) weiter umgeformt, so ergibt sich mit

= ′ − 1 die Beziehung, in welche

stehen. Dabei wird sichtbar, dass der Monopolist den

schlag über die Grenzkosten setzt. Da

der Preis, der dem Grenzerlös (G

nähert sich somit der Monopolpreis (p

volkswirtschaftlich effizienten Preis (p*) an.

macht primär bei tendenziell

ist es dagegen für ihn nicht möglich

Abbildung 3.1: Preissetzung im Monopol

Quelle: Eigene Darstellung in Anlehnung an

Wird der Klammerausdruck auf die linke Seite

GE = GK, was in Abbildung 3.1 die grafische Ableitung der optimalen Angebot

menge beschreibt. Der zu

wird auch Cournotscher Punkt

maximalen Preis (pm) an.

25 Unter „Markup“ wird der Preisaufschlag des Monopolisten auf die Grenzkosten verstanden.26 Die Nachfrageelastizität ist nach (3.4) positiv definiert, da D‘(p) < 0.

Preisfindungsmodelle der Neuen Industrieökonomik

Der linke Teil von Gleichung (3.3) wird auch als Lerner-Index bezeichnet. Dieser

Markups25 zum Preis an und spiegelt somit die Marktmacht

r. Ist Bedingung (3.2) erfüllt, so ist der Lerner

kehrt proportional zur Nachfrageelastizität (3.4). Dabei zeigt die Tatsache, dass der

Index kleiner als Eins ist, dass der Monopolist den gewinnmaximalen Preis

Wird Gleichung (3.3) weiter umgeformt, so ergibt sich mit

in welcher Preis und Grenzkosten (GK) im Monopolfall zueinander

Dabei wird sichtbar, dass der Monopolist den Markup als prozentualen Au

schlag über die Grenzkosten setzt. Da bei volkswirtschaftlich effizienter Preissetzung

der dem Grenzerlös (GE) der Polypolisten entspricht, gleich den GK ist,

der Monopolpreis (pm) mit steigender Nachfrageelastizität dem

volkswirtschaftlich effizienten Preis (p*) an. Folglich kann der Monopolist Mark

bei tendenziell unelastischer Nachfrage ausüben. Im Extremfal

für ihn nicht möglich, einen Preis oberhalb der GK zu setzen

: Preissetzung im Monopol

Eigene Darstellung in Anlehnung an TIROLE (1988: 67), KOESTER (2005: 148f

Wird der Klammerausdruck auf die linke Seite gebracht, dann postuliert (3.5), dass

in Abbildung 3.1 die grafische Ableitung der optimalen Angebot

zu dieser Menge gehörende Punkt auf der Nachfragekurve

Cournotscher Punkt genannt und gibt den für den Monopolisten gewin

) an.

Unter „Markup“ wird der Preisaufschlag des Monopolisten auf die Grenzkosten verstanden.Die Nachfrageelastizität ist nach (3.4) positiv definiert, da D‘(p) < 0.

25

bezeichnet. Dieser

zum Preis an und spiegelt somit die Marktmacht

r. Ist Bedingung (3.2) erfüllt, so ist der Lerner-Index umge-

t die Tatsache, dass der

den gewinnmaximalen Preis so

Wird Gleichung (3.3) weiter umgeformt, so ergibt sich mit

(3.5) im Monopolfall zueinander

als prozentualen Auf-

bei volkswirtschaftlich effizienter Preissetzung

gleich den GK ist,

) mit steigender Nachfrageelastizität dem

kann der Monopolist Markt-

m Extremfall ε = ∞

einen Preis oberhalb der GK zu setzen.

(2005: 148f)

postuliert (3.5), dass

in Abbildung 3.1 die grafische Ableitung der optimalen Angebots-

gehörende Punkt auf der Nachfragekurve

genannt und gibt den für den Monopolisten gewinn-

Unter „Markup“ wird der Preisaufschlag des Monopolisten auf die Grenzkosten verstanden.


26

3.1.2 Oligopol

In Abgrenzung zu Monopol und vollkommenem Wettbewerb konkurrieren im Oli-

gopol zwar mehrere Anbieter miteinander, deren Anzahl ist allerdings überschaubar.

Somit verfügt jeder Anbieter auch über eine gewisse Marktmacht. In Bezug auf die

Modellierung der Preisfindung unter oligopolistischen Verhältnissen finden sich in

der Literatur zur Neuen Industrieökonomik verschiedene Ansätze. Dabei wird gene-

rell zwischen Mengen- und Preiswettbewerb unterschieden. Bei simultanen Ent-

scheidungen der Marktakteure kann ersteres durch das Cournot-Modell und letzteres

durch das Bertrand-Modell abgebildet werden. Dabei ist bei dem Bertrand-Modell

vor allem bemerkenswert, dass es – so lange keine Kapazitätsschranken oder Diffe-

renzierungsmöglichkeiten eingeführt werden – zum gleichen Ergebnis kommt wie

unter vollkommenen Wettbewerb. Wird nicht von simultanen, sondern von sequenti-

ellen Entscheidungen der Marktakteure ausgegangen, so können sowohl Mengen- als

auch Preiswettbewerb durch das Stackelberg-Modell beschrieben werden. Dabei wird

von einem Duopol mit Stackelberg-Führer und -Folger ausgegangen.

Trotz grundsätzlicher Kritik, die in der Vergangenheit am Cournot-Modell geäußert

wurde, soll dies im Folgenden näher erläutert werden. Damit sollen vor allem einige

Aspekte eingeführt werden, die u.a. für das Verständnis der folgenden Kapitel not-

wendig sind. Wie auch in Kapitel 3.1.1 wird dabei auf die Ausführungen von TIROLE

(1988) und BESTER (2004) zurückgegriffen.

Der Einfachheit halber sei folgend von n = 2 Unternehmen ausgegangen, die sich bei

der Produktion eines homogenen Gutes im Wettbewerb befinden. Der Gewinn des

i-ten (i = 1, 2) Unternehmens ergibt sich aus

Π, ≡ P + − C. (3.6)

Dabei wird deutlich, dass der Gewinn des Unternehmens nicht nur von dessen eige-

nen Angebot, sondern auch dem des Konkurrenten j abhängt. Letzteres wird – so die

Annahme von Cournot – von i antizipiert und als gegeben betrachtet. Zur Maximie-

rung des Gewinns von i muss somit die Bedingung erster Ordnung

Π′ = P + − C′ + P + = 0 (3.7)

erfüllt sein. Dabei spiegeln die ersten beiden Terme von Bedingung (3.7) die Profita-

bilität einer zusätzlichen Outputeinheit wider und der dritte Term den Einfluss der

letzten Einheit auf die Profitabilität aller anderen Einheiten. Zur Einordnung: Unter

vollständigem Wettbewerb entfällt der dritte Term, wohingegen im Monopolfall qi


dem Gesamtoutput des Gutes entspricht.

Einfluss eines Preisrückgangs auf die Profitabilität seines eigenen Outputs und nicht

auf die des Gesamtoutputs berücksichtigt. Somit gilt im C ! " Weiterhin kann nicht davon ausgegangen werden, dass

Wettbewerb, die Grenzkosten

Cournot-Modell wird schließlich erreicht, wenn (3

Dies lässt sich mittels Reaktionsfunktionen der Form

gewinnmaximale Angebotsmenge in Abhängigkeit der Angebotsmenge des Konku

renten wiedergeben. Abbildung 3.2 zeigt, dass das Gleichgewicht

sich die Reaktionsfunktionen schneiden und somit keiner der Anbieter durch ein ei

seitiges Abweichen seinen Gewinn erhöhen kann.

Abbildung 3.2: Reaktionsfunktionen und das Cournot


Wird Bedingung (3.7) weiter umgeformt, so ergibt sich der Ausdruck! − ′! = # . Dieser ist das Pendant zu (3.3)

derum den Lerner-Index, unterscheidet sich aber

der Marktanteil si =qi/Qproportional zum Marktanteil des Unternehmens und antiproportional zur Nachfr

geelastizität. Da pC und

Modell aus geringen GK ein hoher Marktanteil bzw. aus gleichen G

gleiche Marktanteile der Unternehmen.


dem Gesamtoutput des Gutes entspricht. Bedingung (3.7) zeigt also, dass i n


auf die des Gesamtoutputs berücksichtigt. Somit gilt im Cournot-Modell ( ! ( .

Weiterhin kann nicht davon ausgegangen werden, dass sich, wie bei vollkommenem

, die Grenzkosten aller Unternehmen angleichen. Das Gleichgewicht

Modell wird schließlich erreicht, wenn (3.7) für alle Unternehmen erfüllt ist.

els Reaktionsfunktionen der Form Riqj = qi darstellen, die die

gewinnmaximale Angebotsmenge in Abhängigkeit der Angebotsmenge des Konku

dergeben. Abbildung 3.2 zeigt, dass das Gleichgewicht erreicht ist, wenn

sich die Reaktionsfunktionen schneiden und somit keiner der Anbieter durch ein ei

seitiges Abweichen seinen Gewinn erhöhen kann.

: Reaktionsfunktionen und das Cournot-Gleichgewicht

Quelle: Eigene Darstellung nach BESTER (2004: 80)

Wird Bedingung (3.7) weiter umgeformt, so ergibt sich der Ausdruck

zu (3.3) im Monopolfall und enthält auf der linken Seite wi

Index, unterscheidet sich aber dadurch, dass auf der Q des Unternehmens i auftaucht. Damit ist der Lerner

ional zum Marktanteil des Unternehmens und antiproportional zur Nachfr

und ε für alle Unternehmen gleich sind, resultiert

Modell aus geringen GK ein hoher Marktanteil bzw. aus gleichen GK

gleiche Marktanteile der Unternehmen.

27

ingung (3.7) zeigt also, dass i nur den


Modell

wie bei vollkommenem

Das Gleichgewicht im

.7) für alle Unternehmen erfüllt ist.

darstellen, die die

gewinnmaximale Angebotsmenge in Abhängigkeit der Angebotsmenge des Konkur-

erreicht ist, wenn

sich die Reaktionsfunktionen schneiden und somit keiner der Anbieter durch ein ein-

(3.8) und enthält auf der linken Seite wie-

auf der rechten Seite

auftaucht. Damit ist der Lerner-Index

ional zum Marktanteil des Unternehmens und antiproportional zur Nachfra-

resultiert im Cournot-

K entsprechend


28

3.1.3 Preisdiskriminierung

Bei der monopolistischen Preisbildung in Kapitel 3.1.1 wurde davon ausgegangen,

dass der Monopolist einen einheitlichen Preis setzt. Dies muss allerdings nicht zu-

treffen. Ist der Monopolist in der Lage verschiedene Konsumentengruppen zu unter-

scheiden und Arbitrage zu verhindern, so kann er mit dem Setzen unterschiedlicher

Preise seinen Gewinn erhöhen (BESTER 2004: 59).

Grundsätzlich wird zwischen drei verschiedenen Arten der Preisdiskriminierung un-

terschieden. Bei der Preisdiskriminierung ersten Grades (vollkommene Preisdiskri-

minierung) verlangt der Monopolist für jede Einheit des Gutes einen Preis entspre-

chend der Zahlungsbereitschaft des Nachfragers. Somit erfolgt die Preissetzung ent-

lang der Nachfragefunktion P(q) in Abbildung 3.1. Auf diesem Wege produziert der

Monopolist zwar die volkswirtschaftlich effiziente Menge (q*), kann sich zusätzlich

zu Produzenten- und Monopolrente aber die gesamte Konsumentenrente und den

vorherigen Wohlfahrtsverlust (Flächen A bis D) aneignen (ebenda: 59ff).

Bei der Preisdiskriminierung zweiten Grades kann der Monopolist die Konsumenten

nicht entsprechend der Zahlungsbereitschaft selektieren und setzt daher auf deren

Selbstselektion. Dafür wird der Preis des Gutes von der nachgefragten Menge ab-

hängig gemacht, ist aber bei gegebener Menge für alle Konsumenten identisch. Dies

kann bspw. durch Mengenrabatte oder einen Zwei-Stufen-Tarif geschehen. Letzterer

besteht aus einem konstanten Preis pro Einheit und einer fixen Gebühr, durch welche

dem Monopolist Teile der Konsumentenrente zufallen. Insgesamt ist der Gewinn

aber kleiner als bei Preisdiskriminierung ersten Grades (ebenda: 63ff).

Im letzten Fall, der Preisdiskriminierung dritten Grades, wird der Preis zwar unab-

hängig von der Nachfragemenge gesetzt, aber es kann zwischen verschiedenen Kon-

sumentengruppen unterschieden werden. Voraussetzung dieser Art der Preisdiskri-

minierung ist allerdings eine wie auch immer geartete Trennung zwischen den ein-

zelnen Gruppen (bspw. räumlich), die Arbitragemöglichkeiten ausschließt. Als Bei-

spiel seien hier verschiedene Länder genannt, in die ein Monopolist exportiert und

dabei für jedes Land den Preis (unter Ausschluss von Arbitrage) so setzt, dass Glei-

chung (3.3) erfüllt ist. Das heißt, in Ländern mit einer niedrigen Nachfrageelastizität

werden hohe Preise verlangt et vice versa (ebenda: 66ff).

Grundsätzlich existieren dieselben Preisdifferenzierungsmöglichkeiten auch im Oli-

gopol, durch die Konkurrenz mehrerer Anbieter ist allerdings der nutzbare Spielraum

eingeschränkt (ebenda: 115).


3.2 Räumliche Preisfindung

3.2.1 Räumliches Monopol

Nachdem im vorausgehenden Kapitel 3.1 die grundsätzlichen

bei imperfektem Wettbewerb eingeführt wurden, soll nun

(1988) – gezeigt werden, welche Änderungen

verursacht. Dabei wird wiederum als erstes

Entsprechend sei von einem Alleinanbiet

dimensionalen Raums befindet. Zu beiden Seiten seien dabei

gleichmäßig im Raum verteilt (Abbildung 3.3). Die ersten beiden Nachfrager befi

den sich jeweils – in entgegengesetzt

nopolist entfernt, die beiden nächsten

nommen, dass die Frachtrate (t) konstant ist.

die Entfernung, bei der die

Preis ab Werk (pfob) zuzüg

somit neben den als gegeb

Abbildung 3.3: Verteilung der Marktteilnehmer im eindimensionalen Raum


Praktiziert der Monopolist ein sogenanntes

frager gleich, so ergibt sich

D(p) – die folgende allgemeine

+, - .1, … , ,01: 3Dabei zeigt sich, dass die

damit Preise unterschiedliche Mengen nachfragen.

nachfragen zu einer räumlichen Gesamtmarktnachfrage

4 = Ωp789 = :3mit D;<0 − =,0

27 Als Punktmarktnachfrage wird die nichtinnerhalb des maximalen Marktradius (pgegen im räumlichen Markt p = (p


Räumliche Preisfindung & Preissetzungsstrategien

Monopol

Nachdem im vorausgehenden Kapitel 3.1 die grundsätzlichen Preisfindungskonzepte

bei imperfektem Wettbewerb eingeführt wurden, soll nun – in Anlehnung an

gezeigt werden, welche Änderungen die Einbeziehung der Dimension

Dabei wird wiederum als erstes der Monopolfall untersucht

Entsprechend sei von einem Alleinanbieter ausgegangen, der sich inmitten eines ei

sionalen Raums befindet. Zu beiden Seiten seien dabei n identische Abnehmer

gleichmäßig im Raum verteilt (Abbildung 3.3). Die ersten beiden Nachfrager befi

entgegengesetzter Richtung – eine Distanzeinheit

beiden nächsten zwei Distanzeinheiten etc.; dabei

, dass die Frachtrate (t) konstant ist. Folglich ist der Marktradius

r die maximale Zahlungsbereitschaft D-1(0) gerade noch dem

) zuzüglich Transportkosten (tx) entspricht. Der Mark

neben den als gegeben betrachteten Transportkosten von pfob abhängig.

: Verteilung der Marktteilnehmer im eindimensionalen Raum

Quelle: Eigene Darstellung in Anlehnung an LOY (1995: 26)

Praktiziert der Monopolist ein sogenanntes FOB-Pricing, d.h. ist pfob über alle Nac

frager gleich, so ergibt sich – ausgehend von einer Punktmarktnachfrage

allgemeine Nachfragefunktion für die einzelnen Abnehmer

1 3 = <> D?@A + =, mit ,0 = >B

Dabei zeigt sich, dass die Abnehmer aufgrund unterschiedlicher Transportkosten

unterschiedliche Mengen nachfragen. Die Aggregation

nachfragen zu einer räumlichen Gesamtmarktnachfrage ergibt

: 33C

3D< = 2F= : D?@A + =,=3C3D< ,

0 G ?@A D;<0 − =,0 + 1.

rage wird die nicht-räumliche, aggregierte Nachfrage über alle Abnehmer

innerhalb des maximalen Marktradius (pfob = 0) verstanden. Im Punktmarkt entspricht p = pgegen im räumlichen Markt p = (pfob + xt) ist.

29

Preisfindungskonzepte

Anlehnung an OHTA

der Dimension Raum

der Monopolfall untersucht.

er ausgegangen, der sich inmitten eines ein-

identische Abnehmer

gleichmäßig im Raum verteilt (Abbildung 3.3). Die ersten beiden Nachfrager befin-

eine Distanzeinheit (x) vom Mo-

bei wird ange-

tradius gleich x0,

gerade noch dem

er Marktradius ist

abhängig.

: Verteilung der Marktteilnehmer im eindimensionalen Raum

über alle Nach-

einer Punktmarktnachfrage27 von qP =

Abnehmer.

(3.9)

aufgrund unterschiedlicher Transportkosten und

Die Aggregation dieser Einzel-

(3.10)

räumliche, aggregierte Nachfrage über alle Abnehmer = 0) verstanden. Im Punktmarkt entspricht p = pfob, wohin-


Unabhängig von der Funktionsform von D(p)

streng konvex ist. Dies wird

Abbildung 3.4a) illustriert.

Abbildung 3.4: Räumliche Nachfragekurve & Monopolpreisbildung


Räumliche Nachfrage28

Stelle der höchsten Zahlungsbereitschaft

diesem Punkt der Monopolist den Preis, so fragen im Punktmarkt unmittelbar alle

Abnehmer mehr nach, wobei auf dem räumlichen Markt erst sukzessive Abnehmer

in den Markt eintreten. Speziell dieses sukzessive Eintreten begründet die konvexe

Form der räumlichen Nachfrage.

durch die hier getroffenen Annahmen determiniert ist.

bedacht wird, dass in Ω(0)

Darüber hinaus implizieren die Eigenschaften der räumlichen Nachfrage bereits eine

höhere (positiv definierte)

gezeigt werden, dass die Na

funktionalen Formen der Punktmarktnachfrage

ergeben sich nach den Ausführungen in Kapitel 3.1.1 ein geringerer optimaler Ma

kup und (bei nicht-fallenden

Raummarkt; dies wird in

polpreis im Raummarkt (p

– immer unter dem Monopolpreis im Punktmarkt (p

28 Zusätzlich zum eindimensionalen Raumlen Raum dargestellt. Deren Herleitung ist ähnlich zu (3.10) und soll hier nicht weiter behandelt weden, da die Grundaussagen des eindimensionalen Modells gültig bleiben.


der Funktionsform von D(p) kann gezeigt werden, dass

streng konvex ist. Dies wird ausgehend von einer linearen Punktmarktnachfrage

Abbildung 3.4a) illustriert.

: Räumliche Nachfragekurve & Monopolpreisbildung unter FOB

Quelle: Eigene Darstellung in Anlehnung an OHTA (1988: 21, 26)

und Punktmarktnachfrage fallen in der Abbildung an der

Stelle der höchsten Zahlungsbereitschaft D-1(0) zusammen. Senkt ausgehend von

onopolist den Preis, so fragen im Punktmarkt unmittelbar alle


Speziell dieses sukzessive Eintreten begründet die konvexe

Form der räumlichen Nachfrage. Weiterhin ist zu sehen, dass Ω0=durch die hier getroffenen Annahmen determiniert ist. Dies wird offensichtlich, wenn

Ω(0) qx linear von q1HD0 n⁄ auf q

x0H 0 abnimmt.


(positiv definierte) Nachfrageelastizität als im Punktmarkt. Tatsächlich kann

die Nachfrageelastizität im Raummarkt bei annähernd allen

Formen der Punktmarktnachfrage höher ist als im Punktmarkt

sich nach den Ausführungen in Kapitel 3.1.1 ein geringerer optimaler Ma

fallenden GK) auch ein geringerer optimaler Monopolpreis

markt; dies wird in Abbildung 3.4b) veranschaulicht. Somit wird der Mon

polpreis im Raummarkt (pmR) – solange keine substanziellen Skalenerträge auftreten

immer unter dem Monopolpreis im Punktmarkt (pmP) liegen.

Zusätzlich zum eindimensionalen Raum ist in Abbildung 3.4a) die Nachfrage im zweidimension

len Raum dargestellt. Deren Herleitung ist ähnlich zu (3.10) und soll hier nicht weiter behandelt weden, da die Grundaussagen des eindimensionalen Modells gültig bleiben.

30

igt werden, dass Ω(pfob)

er linearen Punktmarktnachfrage in

unter FOB-Pricing

und Punktmarktnachfrage fallen in der Abbildung an der

zusammen. Senkt ausgehend von

onopolist den Preis, so fragen im Punktmarkt unmittelbar alle


Speziell dieses sukzessive Eintreten begründet die konvexe =D0 2⁄ , was

Dies wird offensichtlich, wenn

abnimmt.


Nachfrageelastizität als im Punktmarkt. Tatsächlich kann

bei annähernd allen

höher ist als im Punktmarkt. Folglich

sich nach den Ausführungen in Kapitel 3.1.1 ein geringerer optimaler Mar-

GK) auch ein geringerer optimaler Monopolpreis im

Somit wird der Mono-

solange keine substanziellen Skalenerträge auftreten

ist in Abbildung 3.4a) die Nachfrage im zweidimensiona-len Raum dargestellt. Deren Herleitung ist ähnlich zu (3.10) und soll hier nicht weiter behandelt wer-


Neben dem FOB-Pricing, das

spricht, kann der Monopolist im Raummarkt auch ein

schränktes) Discriminatory

heitlicher CIF-Preise, d.h. einheitliche

der Preisdiskriminierung 3. Grade

zungsstrategien werden in Abbildung 3.5 veranschaulicht.

Abbildung 3.5: Räumliche Preissetzungsstrategien


Die für den Monopolisten optimale Preissetzungsstrategie ist

tes Discriminatory-Pricing (

winnmaximalen Preises er

ausgeschlossen werden, so muss auf ein beschränktes Discriminatory

wichen werden. Dabei darf die

die Transportkosten steigen. Um dies zu

chen Markt in einzelne Submärkte unterteilen

wird, wobei die verbleibenden Abschnitte der optimalen Preissetzungsfunktion fo

gen. Dies ist in Abbildung

FOB-Pricing dargestellt.

Pricings wird dabei bereits sichtbar

len Abschnitten am höchs

Dadurch, dass der Monopolist den Markup

zurückfahren kann, wird bei dieser Preissetzung in Abbildung 3.5 ein Marktradius

29 Selbst bei identischen AbneMonopolist vorzuziehen ist, da30 Auf eine algebraische Herleitung der optimalen Aufteilung in Submärkte sei hier verzichtet und diesbezüglich auf die Ausführungen von


Pricing, das der monopolistischen Preissetzung im Punktmarkt en

spricht, kann der Monopolist im Raummarkt auch ein Uniform-Pricing

Discriminatory-Pricing betreiben. Ersteres entspricht dem

, d.h. einheitlicher Preise bei den Abnehmern, letzteres

der Preisdiskriminierung 3. Grades nach Kapitel 3.1.3 gleich. Diese drei Preisse

zungsstrategien werden in Abbildung 3.5 veranschaulicht.

: Räumliche Preissetzungsstrategien im Monopol

Quelle: Eigene Darstellung in Anlehnung an OHTA (1988), LOY (1995: 40)

Die für den Monopolisten optimale Preissetzungsstrategie ist dabei ein unbeschrän

Pricing (DP), welches bzgl. jedes Abnehmers29 die Wahl des g

winnmaximalen Preises ermöglicht. Können hingegen Arbitrage-Geschäfte nicht

ausgeschlossen werden, so muss auf ein beschränktes Discriminatory-Pricing ausg

wichen werden. Dabei darf die räumliche Preissetzungsfunktion p(x) nicht stärker als

die Transportkosten steigen. Um dies zu erreichen, muss der Monopolist den räuml

chen Markt in einzelne Submärkte unterteilen30, in denen FOB-Pricing praktiziert

wird, wobei die verbleibenden Abschnitte der optimalen Preissetzungsfunktion fo

Dies ist in Abbildung 3.5 durch die Abschnitte 0-x1 und x2-x3 als Submärkte mit

Pricing dargestellt. Eine wichtige Folge des beschränkten Discriminatory

wird dabei bereits sichtbar. So muss der Markup zwangsläufig in proxim

am höchsten und in distalen Abschnitten am niedrigsten sein

Dadurch, dass der Monopolist den Markup im Discriminatory-Pricing bis auf null


Selbst bei identischen Abnehmern ist davon auszugehen, dass ein Discriminatory

Monopolist vorzuziehen ist, da ε = ε(p). Auf eine algebraische Herleitung der optimalen Aufteilung in Submärkte sei hier verzichtet und

diesbezüglich auf die Ausführungen von OHTA (1988: 38-42) verwiesen.

31

m Punktmarkt ent-

Pricing oder ein (be-

entspricht dem Setzen ein-

letzteres kommt

Diese drei Preisset-

ein unbeschränk-

die Wahl des ge-

Geschäfte nicht

Pricing ausge-

nicht stärker als

muss der Monopolist den räumli-

Pricing praktiziert

wird, wobei die verbleibenden Abschnitte der optimalen Preissetzungsfunktion fol-

als Submärkte mit

Eine wichtige Folge des beschränkten Discriminatory-

o muss der Markup zwangsläufig in proxima-

ten sein.

Pricing bis auf null


hmern ist davon auszugehen, dass ein Discriminatory-Pricing für den

Auf eine algebraische Herleitung der optimalen Aufteilung in Submärkte sei hier verzichtet und


32

von x0‘ erreicht. Sowohl bei FOB-Pricing als auch bei Uniform-Pricing wird hinge-

gen nur einen Marktradius von x0 erreicht31. Der Monopolist wird eine dieser Preis-

setzungsstrategien nur einsetzen, wenn er aufgrund rechtlicher Beschränkungen dazu

gezwungen ist. Welche Strategie vorzuziehen ist, hängt von den funktionalen For-

men ab, wobei FOB-Pricing bei konvexer Punktnachfragefunktion i.d.R. zu einer

höheren Produzentenrente führt.

3.2.2 Räumliches Oligopol

Ähnlich der Situation im Punktmarkt existieren auch im Raummarkt verschiedene

Modelle zur Erklärung der Preisbildung unter oligopolistischen Verhältnissen. Als

grundsätzliches Unterscheidungskriterium der Modelle konstatiert OHTA (1988) de-

ren Fokussierung auf nicht-überlappende Marktareale, d.h. jeder Abnehmer fragt nur

die Güter eines Anbieters nach, gegenüber überlappenden Marktarealen. Ansätze bei

nicht-überlappenden Marktarealen sind das

- Hoover-Modell

- Lösch-Modell

- Hotelling-Smithies-Modell

- Greenhut-Ohta-Modell.

Während das Hoover-Modell von einer Aufteilung des Marktareals zwischen einem

Bereich des Discriminatory-Pricings und einem Bereich vollkommenen Wettbewerbs

ausgeht, legen die anderen drei Modelle FOB-Pricing zugrunde und modellieren –

durch unterschiedliche Verhaltensannahmen – einen steigenden Grad der Wettbe-

werbsintensität. Da empirisch vor allem überlappende Marktareale zu beobachten

sind, also Abnehmer nicht ausschließlich von einem Anbieter Güter nachfragen, soll

im Folgenden dieser Fall eruiert werden. Dabei wird – basierend auf den Ausführun-

gen von OHTA (1988: 125-143) – das in Kapitel 3.1.2 vorgestellte Cournot-Modell

auf den räumlichen Markt angewendet.

Um eine allgemeine räumliche Preisfunktion abzuleiten, müssen zuerst einige An-

nahmen getroffen werden. So seien m Produzenten eines homogenen Gutes und n

Abnehmer dieses Gutes gleichmäßig im Raum verteilt. Dabei sieht Unternehmen i

die angebotene Menge seiner Konkurrenten als gegeben an und die Nachfrage des

Abnehmers j hängt lediglich vom CIP-Preis (pj) ab. Die Frachtrate pro Einheit von i

nach j ist wiederum konstant. Unter diesen Annahmen maximieren die Unternehmen

31 Unter den getätigten Annahmen gilt x0

FP = x0UP, wenn D-1(0) – pfob = pUP – C‘(qR) (OHTA 1988: 53).


33

nun ihren Gewinn. Dazu muss Gleichung (3.7) für jeden Abnehmer unter Berück-

sichtigung der Transportkosten (tij) erfüllt sein. Wird (3.7) entsprechend modifiziert

und umgestellt, so ergibt sich

J1 − # K = ′ + = + L - M1, … , N ≤ NP, Q - .1, … , F1, (3.11)

wobei mj die Anzahl der in j anbietenden Unternehmen sind, die aufgrund von prohi-

bitiven Produktions- und/oder Grenzkosten unter m liegen kann. Wird (3.11) über

alle mj aufsummiert, kann der Ausdruck

J1 − 1NK = ′ + = ⟹ = ′ + =1 − 1 N⁄ (3.12)

gewonnen werden. Dabei bezeichnet C‘ die durchschnittlichen GK der Produktion

und tj die durchschnittlichen Transportkosten der mj Anbieter. Folglich konstatiert

Gleichung (3.12) einen positiven Einfluss32 der zuletzt genannten Faktoren und einen

negativen Einfluss von Anbieterzahl und Nachfrageelastizität auf den Preis in j. Wei-

terhin impliziert (3.12), dass FOB-Pricing für die einzelnen Oligopolisten im räumli-

chen Cournot-Modell nicht mehr möglich ist, da ihre eigenen Transportkosten tij nur

Bestandteil von tj sind – zumindest solange mj > 1 ∀j.

Um die Aussage von Gleichung (3.12) grafisch zu veranschaulichen, soll folgend ein

einfacher Duopolfall konstruiert werden. Dabei sei angenommen, j identische Ab-

nehmer sind gleichmäßig über einen eindimensionalen, zirkulären Markt verteilt und

jeweils eine Distanzeinheit x voneinander entfernt. Diese werden von zwei identi-

schen, aber maximal voneinander entfernten Anbietern mit einem homogenen Pro-

dukt versorgt. Dabei ist die Frachtrate t konstant.

Gegeben die Annahmen illustriert Abbildung 3.6 den Verlauf der räumlichen Preis-

setzung (p0px2px1pX). Für den Bereich, in dem sich die Marktareale beider Unterneh-

men überschneiden, determiniert Gleichung (3.12) klar den Marktpreis, was in der

Abbildung bei x1 > x > x2 der Fall ist. Da bei X > x > x1 sowie bei x2 > x > 0 die GK

der Produktion zuzüglich der Transportkosten jeweils eines Anbieters den Duopol-

preis px2px1 übersteigen, bietet hier nur noch das jeweils andere Unternehmen an.

Dieses kann sich dabei als Monopolist verhalten und den Preis nach der optimalen

räumlichen Preissetzungsfunktion (unbeschränktes DP) aus Kapitel 3.2.1 setzen33.

32 Es sei angemerkt, dass die Variablen auf der rechten Seite nicht als exogen, sondern als endogen zu betrachten sind. Folglich kann streng genommen nicht von einem Einfluss gesprochen werden. 33 Dasselbe Ergebnis wird auch durch Einsetzen von mj = 1 in Gleichung (3.12) erreicht.


Abbildung 3.6: Preisfindung im räumlichen Cournot


Dass die Preisfunktion im Bereich überlappender Marktareale

horizontale Linie verläuft,

Punkt, an dem x1 > x > x

on und Transportkosten.

nopolist auftritt, ist dies dagegen nicht der Fall.

Wird das Cournot-Modell mit dem oben erwähnten Hoover

stellt sich bei letzterem eine räumliche Preisfunktion m

ein. Die Ursache hierfür ist die

renten als perfekten Wettbewerber sieht und davon ausgeht, dass dieser

Produktion plus Transportkosten anbietet, was es zu unterbieten

sichert sich jedes Unternehmen das Marktareal

bieten kann und der Marktradius

auf X/2. Die Argumentation im Hoover

der des Bertrand-Modells

Eine interessante Erweiterung des hier vorgestellten Duopolfalls ist der Eintritt eines

weiteren Anbieters am Standort X. Dies führt dazu, dass sich der Verlauf der räuml

chen Preisfunktion auf p

einem steigenden Wettbewerb konfrontiert und kann nur noch eine geringere

Marktmacht in seinem gesamten Marktareal ausüben. Aber auch für Anbieter 1 erg

ben sich Auswirkungen in

Markups im Überlappungsmarktareal. Aus Sicht des Anbieters 1 führt also ein z

nehmender Eintritt von Konkurrenten am Standort X zu einer Annäherung an das

Ergebnis, zu dem es im Hoover


: Preisfindung im räumlichen Cournot-Modell

Quelle: Eigene Darstellung in Anlehnung an OHTA (1988: 137, 139)

Preisfunktion im Bereich überlappender Marktareale in Abbildung 3.6

horizontale Linie verläuft, ist durch die Annahmen bedingt. So ergibt sich bei jedem

> x > x2, eine identische Höhe durchschnittlicher GK der Produkt

In den Bereichen, in denen eines der Unternehmen als M

nopolist auftritt, ist dies dagegen nicht der Fall.

Modell mit dem oben erwähnten Hoover-Modell verglichen, so

stellt sich bei letzterem eine räumliche Preisfunktion mit dem Verlauf p

ie Ursache hierfür ist die Verhaltensannahme, dass jeder Anbieter den Konku

renten als perfekten Wettbewerber sieht und davon ausgeht, dass dieser

Produktion plus Transportkosten anbietet, was es zu unterbieten gilt.

sichert sich jedes Unternehmen das Marktareal, bei dem es den Konkurrenten unte

Marktradius beider Unternehmen reduziert sich von x

Die Argumentation im Hoover-Modell weist dabei deutliche Parallelen

Modells (vgl. Kapitel 3.1.2) auf dem Punktmarkt auf.

interessante Erweiterung des hier vorgestellten Duopolfalls ist der Eintritt eines

weiteren Anbieters am Standort X. Dies führt dazu, dass sich der Verlauf der räuml

Preisfunktion auf p0px2px1‘pX‘ ändert. Das heißt, vor allem Anbieter 2 ist mit


Marktmacht in seinem gesamten Marktareal ausüben. Aber auch für Anbieter 1 erg

ben sich Auswirkungen in Form eines sinkenden Marktradius und eines geringeren

Markups im Überlappungsmarktareal. Aus Sicht des Anbieters 1 führt also ein z


zu dem es im Hoover-Modell kommt.

34

Abbildung 3.6 als

o ergibt sich bei jedem

eine identische Höhe durchschnittlicher GK der Produkti-

in denen eines der Unternehmen als Mo-

Modell verglichen, so

it dem Verlauf p0px2pX/2px1pX

Verhaltensannahme, dass jeder Anbieter den Konkur-

renten als perfekten Wettbewerber sieht und davon ausgeht, dass dieser zu GK der

gilt. Demzufolge

bei dem es den Konkurrenten unter-

von x1 bzw. x2

Modell weist dabei deutliche Parallelen zu

interessante Erweiterung des hier vorgestellten Duopolfalls ist der Eintritt eines

weiteren Anbieters am Standort X. Dies führt dazu, dass sich der Verlauf der räumli-

vor allem Anbieter 2 ist mit


Marktmacht in seinem gesamten Marktareal ausüben. Aber auch für Anbieter 1 erge-

und eines geringeren

Markups im Überlappungsmarktareal. Aus Sicht des Anbieters 1 führt also ein zu-



35

3.3 Implikationen für die Weltmilchmärkte

In den vorausgegangenen Kapiteln 3.1 und 3.2 wurde gezeigt, welche grundsätzli-

chen Auswirkungen Marktmacht auf die Preisfindung im Punkt- und Raummarkt hat.

Im Folgenden kann somit diskutiert werden, inwieweit die beschriebenen Modelle

mit ihren Auswirkungen auf die Weltmärkte für Milcherzeugnisse anwendbar sind.

Dazu soll als erstes ein erneuter Blick auf die Marktstrukturen geworfen werden.

Zwar wurde bereits eine hohe Konzentration auf Anbieterseite konstatiert, dabei

stand allerdings – abgesehen von Fonterra – die Anzahl der anbietenden Länder im

Fokus. Solange keine staatlichen Handelsunternehmen existieren, ist diese jedoch, im

Gegensatz zu der Anzahl anbietender Unternehmen, weniger entscheidend.

Ist die Anzahl und der Marktanteil der anbietenden Unternehmen bekannt, so gibt es

verschiedene Möglichkeiten, die Anbieterkonzentration zu messen. Die wichtigsten

Maße sind dabei der Konzentrationsgrad und der Herfindahl-Index (BESTER 2004:

144). Dabei stellt der Konzentrationsgrad

CRN ≡ : #D< (3.13)

die Summe der Marktanteile (si) der m größten Unternehmen dar, was sich für stei-

gende m auch als Konzentrationskurve abbilden lässt (ebenda: 144). In Abgrenzung

dazu werden beim Herfindahl-Index

S ≡ : #B>D< (3.14)

die quadrierten Marktanteile aller n Unternehmen aufsummiert. Dies birgt den Vor-

teil, dass die gesamte Struktur mit einbezogen wird und nicht nur die m größten Un-

ternehmen betrachtet werden. Der Herfindahl-Index erreicht den Wert 1 im Mono-

polfall und den Wert 1/n bei n gleich großen Unternehmen (ebenda: 145).

Für die Weltmärkte für Milcherzeugnisse können weder der Herfindahl-Index noch

der Konzentrationsgrad für große m bestimmt werden. Dies resultiert aus der Prob-

lematik, dass es im Gegensatz zu den Landesexportmengen schwierig – wenn nicht

unmöglich – ist, alle weltweit exportierenden Unternehmen inklusive deren Export-

mengen zu bestimmen – zumindest im Rahmen dieser Arbeit. Bestimmt werden kann

bspw. die CR(1), die den in Kapitel 2 konstatierten Marktanteilen Neuseelands bzw.

Fonterras entspricht. Schwierigkeiten entstehen aber u.a. in Bezug auf Molkereien im

EU-Raum; so konnte nicht einmal der Milchindustrieverband auf Anfrage die auf

dem Weltmarkt tätigen deutschen Molkereien inkl. Exportmengen nennen.


36

Auch wenn durch die Schwierigkeit Konzentrationsmaße zu bestimmen, keine Aus-

sage darüber möglich ist, wie kompetitiv der gesamte Markt und damit das Marktum-

feld Fonterras ist, so stellt doch allein Fonterras Marktanteil einen Grund dar, die

Existenz von Marktmacht – und damit nicht-kompetitive Preissetzung – zu vermuten.

Entscheidend ist in diesem Zusammenhang, von welcher Preissetzungsstrategie aus-

gegangen werden kann. Dabei ist aus zwei Gründen das FOB-Pricing für Fonterra als

nicht praktikabel anzusehen:

1) Um bei FOB-Pricing Marktmacht auszuüben, muss es für den Monopolisten

möglich sein, die Menge zu verknappen. Die Angebotsmenge von Genossen-

schaften ist aber durch die unabhängigen und kompetitiven Produktionsent-

scheidungen der Milcherzeuger festgelegt (SEXTON & LAVOIE 2001: 877).

2) Bereits in Kapitel 3.2.2 wurde festgestellt, dass bei räumlich getrennten Oli-

gopolmärkten FOB-Pricing nicht möglich ist.

Weiterhin entspricht FOB-Pricing, wie auch Uniform-Pricing, nicht der gewinnma-

ximalen Preissetzung. Herrscht dagegen vollkommener Wettbewerb innerhalb eines

Exportlandes, so ist ausschließlich FOB-Pricing möglich, wobei pfob = GK.

Der für Fonterra beste Weg Marktmacht auszuüben ist somit das Discriminatory-

Pricing, was auch für eine Genossenschaft möglich ist (ebenda: 878). Zwar müsste

bei optimaler räumlicher Preissetzung ebenfalls die Menge verknappt werden, unter

der Nebenbedingung einer gegebenen Produktionsmenge kann aber ein höherer Ge-

winn erzielt werden als bei Absatz der gleichen Menge im FOB-Pricing. Hinweise

darauf, dass Fonterra tatsächlich DP ausüben könnte, präsentiert bspw. GAST (2002:

200), der berichtet, dass die US-Importpreise für neuseeländischen Käse in der ersten

Stufe des Zollkontingents (vor Zollentrichtung) höher sind als in der zweiten.

Ohne an dieser Stelle formale Hypothesen zu bilden, kann nach den theoretischen

Vorüberlegungen geschlossen werden, dass sich eine mögliche Marktmacht Fonter-

ras in einem DP äußern sollte. Der Grad an Marktmacht, den Fonterra dabei in den

einzelnen Ländern ausüben kann, sollte abhängen von: Fonterras Marktanteil im je-

weiligen Land, Anzahl und Marktanteil in- und ausländischer Konkurrenten, GK der

Produktion plus Transportkosten im Vergleich zu den Konkurrenten34 (vgl. Abbil-

dung 3.6) und der vorherrschenden Nachfrageelastizität. Diese Hypothesen gilt es –

soweit möglich – in der Auswertung in Kapitel 6 zu überprüfen.

34 Nach dem Cournot-Modell bedingen sich im Gleichgewicht GK und Marktanteil gegenseitig (vgl. Gleichung (3.8)), trotzdem wurde hier beides genannt, da perfekte Wettbewerber mit geringeren GK den gesamten Markt an sich reißen können (vgl. Hoover-Modell in Abbildung 3.6).

4 Ansätze zur Analyse von Marktmacht

37


4.1 Strukturansatz der Neuen Empirischen Industrieökonomik

Nachdem in der Traditionellen Industrieökonomik der Structure-Conduct-Perfor-

mance-Ansatz (SCP-Ansatz) den analytischen Rahmen der Analyse von Marktstruk-

tur und Preisbildung formte, sind mit Entstehung der Neuen Industrieökonomik vor

allem die sogenannten Strukturmodelle entwickelt worden. Diese stellten ein wesent-

liches Element der Weiterentwicklung der empirischen industrieökonomischen For-

schung zur Neuen Empirischen Industrieökonomik dar (PEREKHOZHUK 2007: 88).

Die grundsätzliche Idee im Strukturansatz ist es dabei, aus Preis-Mengen-Daten auf

das Verhalten der Marktteilnehmer zu schließen und damit eine Aussage über die

vorliegende Marktmacht zu treffen. Dies soll im Folgenden – angefangen mit der

Bestimmung von Marktmacht – näher ausgeführt werden.

Bereits bei der Vorstellung des Cournot-Modells in Kapitel 3.1.2 wurde gezeigt, dass

die Marktmacht eines Unternehmens, im Sinne der Fähigkeit einen Markup zu erzie-

len, vom Marktanteil35 des Unternehmens und der Nachfrageelastizität abhängt. Da-

bei wurde allerdings die wichtige Verhaltensannahme getroffen, dass das Unterneh-

men die Angebotsmenge der Konkurrenten als gegeben betrachtet. Das heißt, es wird

erwartet, dass die Konkurrenten auf eine Mengenänderung des Unternehmens nicht

reagieren und sich die Gesamtangebotsmenge des Gutes nur entsprechend der eige-

nen Angebotsmenge ändert (SEXTON & LAVOIE 2001: 888). Diese Annahme über

den Einfluss des eigenen Angebots auf das Gesamtangebot wird auch als Konjektura-

le Variation bezeichnet und lässt sich in Elastizitätsform durch

T = UVUV (4.1)

darstellen. Dabei kennzeichnet qi die Angebotsmenge des i-ten Unternehmens und Q

das Gesamtangebot des Gutes. Unmittelbar sichtbar wird in Gleichung (4.1), dass

unter der Cournot-Annahme θi dem Marktanteil si des i-ten Unternehmens entspricht,

wohingegen θi im Bertrand-Modell bspw. gleich null ist. Wird unter Verzicht der

Cournot-Annahme der in (3.6) spezifizierte Gewinn maximiert, so kann – analog zu

(3.8) – aus der Bedingung erster Ordnung der Ausdruck − ′ = T (4.2)

35 Schon die Bestimmung des Markanteils ist unter Umständen nicht ganz trivial, da es der sachlichen sowie räumlichen Abgrenzung des Marktes bedarf.


38

gewonnen werden. Hierbei stellt der linke Teil der Gleichung wiederum den Lerner-

Index dar, der sich entsprechend (4.2) proportional zum Parameter θ verhält. Somit

stellt θ - 0, 1 einen Index für Marktmacht dar und wird in der Literatur sowohl als

Verhaltensparameter als auch als Marktmachtparameter bezeichnet. Die Extremwer-

te seiner Ausprägung stehen dabei für Verhalten unter perfektem Wettbewerb bei θ =

0 bzw. Monopol oder perfekter Preisabsprache bei θ = 1 (ebenda: 889).

Soll mittels Strukturmodellen Marktmacht gemessen werden, bedeutet das i.d.R.,

dass die Höhe des Marktmachtparameters θ geschätzt bzw. auf die von theoretischen

Modellen – wie bspw. dem Cournot-Modell – implizierte Höhe getestet wird. Hierzu

bedarf es klassischerweise u.a. der Schätzung von Nachfrage- und Kostenfunktionen,

nachdem für diese angemessene funktionale Formen gewählt wurden (ebenda: 889).

Eine weitere Möglichkeit, die auf die direkte Schätzung der GK über eine Kosten-

funktion verzichtet, ist es, von den durch Drehungen der GK-Kurve verursachten

Preis-Mengen-Änderungen auf das Preissetzungsverhalten zu schließen; die ersten

Arbeiten hierzu stammen von BRESNAHAN (1982) und LAU (1982). Ein weiterfüh-

render Überblick über die Vielzahl von unterschiedlichen Modellen und Anwendun-

gen zur Analyse von Marktmacht findet sich bspw. bei BRESNAHAN (1989), SEXTON

& LAVOIE (2001) und WOHLGENANT (2001).

Grundsätzlich sind die Datenerfordernisse für die meisten dieser Ansätze jedoch be-

trächtlich. So benötigt ein vollspezifiziertes Oligopol-Modell Informationen über das

untersuchte Unternehmen, die Nachfrage- und Kreuzpreiselastizitäten sowie Verhal-

tensparameter und GK aller Konkurrenten. Auch für die Modelle, die auf Preisset-

zungsverhalten durch Drehungen der GK-Kurve schließen, werden Preise, Mengen,

Kosten- und Nachfrage-Shifter36 für jedes Unternehmen im Markt benötigt (GOLD-

BERG & KNETTER 1999: 32). Da die Analyse von Marktmacht mittels Strukturmodel-

len i.d.R. in Inlandsmärkten erfolgt, mögen die dargestellten Datenanforderungen

noch zu bewältigen sein, anders verhält es sich aber bei den internationalen Märkten.

Hier müsste zur Analyse von Marktmacht ein komplettes Oligopol-Modell für jedes

Importland geschätzt werden (ebenda: 32). Aus diesem Grund werden in den zwei

folgenden Unterkapiteln Ansätze vorgestellt, mit denen das geschilderte Problem der

Datenerfordernis stark reduziert werden kann: Der Pricing-to-Market-Ansatz und der

Residual-Demand-Ansatz. Dabei ist lediglich letzterer in die Kategorie des Struktur-

ansatzes der Neuen Empirischen Industrieökonomik einzuordnen. 36 Shift-Variablen bzw. Shifter sind Variablen, die bspw. im Fall der Nachfrage, diese bei konstantem Preis vermindern oder erhöhen.


4.2 Der Pricing-to-Market

4.2.1 Definition, Auswirkungen

Der Begriff des Pricing

von Markups als Reaktion auf Wechselkurs

MAN (1987) zurück. Dieser hatte beobachtet, dass nach einer starken Dollaraufwe

tung die Preise für importierte Waren nicht entsprechend der W

sind, was in der Literatur auch als inkomplettes

(„exchange rate pass-through

nomen ist allerdings nicht per se ungewöhnlich oder mit perfektem Wettbewerb u

vereinbar. Speziell wenn das importierende Land ein im ökonomischen Sinne großes

Land ist, d.h. in der Lage ist

lettes WKDR sogar erwartet werden; d

Abbildung 4.1: Inkomplettes

Quelle: Eigene Darstellung

Wird dabei das Beispiel von

Wein in die USA. Der Schnittpunkt zwischen der Nachfrage nach französischem

Wein und den GKWK1 der Produzenten in USD determiniert dabei einen Preis von

p*WK1 in den USA. Kommt es nun zu einer Aufwertung des Dollar

zösischen GK in USD und die USA fragen mehr nach. Da die USA in Bezug auf

französischen Wein ein großes Land sind, füh

falls zu höheren GK. Es

p*WK2 zu einem inkompletten

würden sie sich mit der GK

dem Preis p*‘WK2 zu einem kompletten

yse von Marktmacht

Market-Ansatz (PTM-Ansatz)

Auswirkungen und Gründe für PTM

Pricing-to-Market beschreibt das importlandspezifische Anpassen

von Markups als Reaktion auf Wechselkurs-(WK-)Änderungen und geht auf

zurück. Dieser hatte beobachtet, dass nach einer starken Dollaraufwe

tung die Preise für importierte Waren nicht entsprechend der WK-Änderung gefallen

sind, was in der Literatur auch als inkomplettes Wechselkurs-Durchreichen

rough“) bezeichnet wird (KNETTER 1989: 198).

nomen ist allerdings nicht per se ungewöhnlich oder mit perfektem Wettbewerb u


Land ist, d.h. in der Lage ist, die Weltmarktpreise zu beeinflussen, kann

erwartet werden; dies wird in Abbildung 4.1 illustriert.

: Inkomplettes Durchreichen von Wechselkursänderungen

Wird dabei das Beispiel von KRUGMAN (1987) aufgegriffen, so exportiert Frankreich

n die USA. Der Schnittpunkt zwischen der Nachfrage nach französischem

der Produzenten in USD determiniert dabei einen Preis von

den USA. Kommt es nun zu einer Aufwertung des Dollar, sinken die fra


französischen Wein ein großes Land sind, führt die gesteigerte Nachfrage aber ebe

GK. Es kommt demzufolge mit dem neuen Gleichgewichtspreis

zu einem inkompletten WKDR. Wären die USA hingegen ein kleines Land, so

der GK-Funktion GK’WK1 konfrontiert sehen und es würde mit

zu einem kompletten WKDR kommen. Aus Sicht des Exporteurs

39

landspezifische Anpassen

geht auf KRUG-

zurück. Dieser hatte beobachtet, dass nach einer starken Dollaraufwer-

nderung gefallen

Durchreichen (WKDR)

1989: 198). Dieses Phä-

nomen ist allerdings nicht per se ungewöhnlich oder mit perfektem Wettbewerb un-


beeinflussen, kann ein inkomp-

ies wird in Abbildung 4.1 illustriert.

Wechselkursänderungen

(1987) aufgegriffen, so exportiert Frankreich

n die USA. Der Schnittpunkt zwischen der Nachfrage nach französischem

der Produzenten in USD determiniert dabei einen Preis von

sinken die fran-


rt die gesteigerte Nachfrage aber eben-

demzufolge mit dem neuen Gleichgewichtspreis

. Wären die USA hingegen ein kleines Land, so

konfrontiert sehen und es würde mit

Sicht des Exporteurs


40

(hier Frankreich) führt die Dollaraufwertung zu einer Steigerung der Nachfrage und

im Falle eines großen Importlandes zu einer Erhöhung des Inlandspreises von p*WK1

auf p*WK2. Ist der Importeur hingegen ein kleines Land, ist die zusätzliche Nachfrage

nicht spürbar und p*WK1 bleibt unverändert.

Entscheidend ist, dass unter PTM nicht der zuvor geschilderte Fall inkompletten

WKDR verstanden wird, sondern eine wechselkursbedingte relative Änderung des

Exportpreises in das betrachtete Land gegenüber dem Inlandspreis und anderen Ex-

portpreisen, so dass Arbitrageanreize gesetzt werden (KRUGMAN 1987). Dies wäre in

Abbildung 4.1 bspw. bei einem Preis zwischen p*WK1 und p*WK2 in USD gegeben.

Somit entsteht also eine Preisdiskriminierung bzw. wird eine Preisdiskriminierung

offensichtlich, da vorherige Differenzen in den Preisen auch aus Qualitätsunterschie-

den hätten resultieren können. Wird entsprechend PTM festgestellt, so kann hieraus

auf Marktmacht geschlossen werden, da Änderungen in Markups voraussetzen, dass

diese nicht in jeder Periode gleich null sind (GOLDBERG & KNETTER 1997: 1251).

Eine entscheidende Voraussetzung zum Nachweis von PTM ist allerdings, dass zwi-

schen inkomplettem WKDR aufgrund von GK-Änderungen und inkomplettem

WKDR aufgrund von PTM unterschieden werden kann.

Auch wenn klar ist, dass PTM auf Marktmacht schließen lässt, stellt sich immer noch

die Frage, warum die Anbieter bei imperfektem Wettbewerb ihre Markups entspre-

chend der WK-Entwicklung anpassen und so die Preise im Importland stabilisieren

sollten. Zur Beantwortung dieser Frage präsentiert KRUGMAN (1987) verschiedene

(statische und dynamische) theoretische Ansätze:

1) Variierende Nachfrageelastizität bei monopolistischer Preisdiskriminierung

Je nach Form der vorliegenden Nachfragefunktion steigt, fällt oder persistiert

die Nachfrageelastizität bei steigenden Preisen. Dies führt dazu, dass sich der

optimale Markup des Monopolisten gemäß Gleichung (3.3) entsprechend der

Preishöhe und damit auch des WK ändert. Dieser Aspekt wird im folgenden

Kapitel noch weiter vertieft.

2) Oligopolistische Preisfindung nach dem Cournot-Modell

In Kapitel 3.2.2 wurde gezeigt, dass der Preis in einem Importland u.a. von

den durchschnittlichen GK aller Anbieter des Landes abhängt. Somit kann

das wechselkursbedingte Sinken der GK eines Anbieters nicht dazu führen,

dass der Preis im gleichen Ausmaß sinkt. Es lässt sich sogar zeigen, dass der

Grad an PTM mit der Anzahl Oligopolisten steigt (vgl. DORNBUSCH 1987).


41

3) Anpassungskosten der Anbieter (dynamisch)

Ist es dem Monopolist37 aus 1) nicht möglich, die angebotene Menge in ei-

nem Land ohne zusätzliche Kosten (z.B. für Distributionskanäle oder Ser-

vice-Infrastruktur) auszudehnen oder zu reduzieren, so ist für ihn ein soforti-

ges und komplettes WKDR nicht optimal. Im Gegenteil, käme es in Abbil-

dung 4.1 zu einer plötzlichen Aufwertung des Dollar, wäre lediglich ein gra-

duelles Fallen der Preise in USD zu erwarten, was aber langfristig in einem

kompletten WKDR resultieren würde. Würde die Aufwertung dagegen nur

als temporär betrachtet, käme es zu gar keiner Preisreaktion in USD. Diese

Überlegungen werden von KASA (1992) bestätigt, der ein Anpassungskos-

tenmodell entwickelte und empirisch testete. Dabei bestätigt sich, dass der

Grad von PTM mit der Temporarität der WK-Änderungen zunimmt.

4) Reaktionsverzögerungen in der Nachfrage (dynamisch)

Reagiert die Nachfrage verzögert auf den Preis, so weist die Preissetzung ei-

nes Unternehmens ebenfalls eine investive Komponente auf. Ein darauf beru-

hendes Preissetzungsverhalten wäre dementsprechend von langfristigen Kos-

ten geprägt und würde somit temporäre WK-Schwankungen glätten. Ein er-

folgreicher formeller Nachweis dieser These hängt allerdings stark von den

zugrundeliegenden funktionalen Formen ab.

5) Glaubwürdigkeit und Reputation der Anbieter (dynamisch)

Wird angenommen, dass für den langfristigen Gewinn die Reputation der

Anbieter wichtig ist, so kann es für diese entscheidend sein, einen bestimmten

propagierten Preis einzuhalten und dabei auf kurzfristige Gewinnmaximie-

rung zu verzichten. KRUGMAN (1987) konstatiert, dass dies vor allem bei ho-

hen unternehmensspezifischen Markteintrittskosten vorliegt und somit PTM

bei komplexen und hochdifferenzierten Gütern postuliert.

Trotz der unterschiedlichen theoretischen Erklärungsansätze werden mit der Vorstel-

lung des PTM-Modells von KNETTER (1989) im Kapitel 4.2 vor allem die statischen

Ansätze 1) und 2) weiter verfolgt. Dies bedeutet nicht, dass die verbleibenden Ansät-

ze als weniger plausibel erachtet werden, sondern lediglich, dass sie in der PTM-

Literatur weit weniger als Erklärungsgrundlage zugrunde gelegt werden. Dennoch

37 KASA (1992: 29) konstatiert, dass die Annahme imperfekten Wettbewerbs bzw. eines Monopols nicht notwendig ist. Weiterhin impliziert dieser Erklärungsansatz (bei konstanter Nachfrageelastizität) inkomplettes WKDR bei konstanten prozentualen Markups (≥ 0) und ist nur bedingt mit der hier ge-gebenen Grunddefinition von PTM vereinbar. Dies ist allerdings insoweit unkritisch, als dass im Fol-genden ein anderer Erklärungsansatz zugrundegelegt wird.


42

ermöglichen speziell die dynamischen Modelle auch wichtige Einblicke, wie z.B.

dass PTM unter bestimmten Bedingungen eher bei temporären WK-Änderungen zu

erwarten ist oder bei höher differenzierten Gütern. Speziell letzteres, d.h. ein ent-

scheidender Einfluss der Art des Gutes, wurde auch von KNETTER (1993: 484) bestä-

tigt. Dies sollte allerdings nicht verwundern, da mit steigendem Differenzierungsgrad

die Güter nur noch imperfekte Substitute sind und somit jeder Produzent ein Mono-

pol auf das von ihm produzierte Gut hat.

4.2.2 Das PTM-Modell von Knetter

Nach der umfassenden Beschreibung des Phänomens PTM von KRUGMAN (1987),

entwickelte KNETTER (1989) ein Modell zu dessen Nachweis, welches von KNETTER

(1992, 1993, 1995) weiterentwickelt und auf verschiedene Fragestellungen ange-

wandt wurde. Aufgrund der einfachen Anwendbarkeit und geringen Datenanforde-

rungen wurde das Modell in Folge von einer ganzen Reihe von Autoren genutzt und

dabei auf verschiedenste Sektoren und Länder angewandt (LAVOIE & LIU 2007: 572).

Im Bereich von Nahrungsmittel- und Agrarexporten sind Anwendungen bspw. bei

PICK & PARK (1991), PICK & CARTER (1994), GRIFFITH & MULLEN (2001), CAREW

& FLORKOWSKI (2003) sowie GLAUBEN & LOY (2003) zu finden.

Ausgangspunkt des Grundmodells von KNETTER (1989) stellt die als Gleichung (3.5)

eingeführte Optimierungsbedingung im Monopolfall

W = ′W X WW − 1Y + L - .1, … , Z1, = - .1, … , [1, (4.3)

bezogen auf alle Importländer (i) und Perioden (t) dar. Diese postuliert, dass der Ex-

portpreis in jedes Land und jeder Periode gleich den gemeinsamen GK zuzüglich

eines importlandspezifischen prozentualen Markups ist38. Dabei ist die Annahme

eines Monopols nicht unbedingt notwendig, da ε auch als residuale Nachfrageelasti-

zität betrachtet werden kann (ebenda: 199, vgl. Kapitel 4.3). Entscheidend ist, dass,

wie in Kapitel 4.2.1 ausgeführt, eine Änderung der Exportpreise sowohl durch eine

Veränderung der gemeinsamen GK ausgelöst werden kann als auch durch die Ände-

rung der Markups (KNETTER 1993: 475); letztere wiederum sind nach (4.3) durch die

Nachfrageelastizitäten determiniert. Da eine WK-Änderung den Preis im Importland

ändert, hat sie – je nach funktionaler Form der Nachfrage – auch eine Auswirkung

auf die Nachfrageelastizität. Ist diese unabhängig vom Preis konstant, ist auch der

38 Diese Art der Preissetzung wurde bisher als unbeschränktes Discriminatory-Pricing bezeichnet.


43

prozentuale Markup konstant: PTM findet demnach nicht statt. Ist hingegen die

Nachfrage weniger (mehr) konvex als im zuletzt genannten Fall, so steigt (fällt) die

Nachfrageelastizität mit zunehmender Preishöhe. Demzufolge fällt (steigt) der pro-

zentuale Markup und der Preis im Importland wird stabilisiert (destabilisiert).

Wie bereits erwähnt, muss zum Nachweis von PTM zwischen wechselkursbedingten

Änderungen der GK und des Markups unterschieden werden. Das grundlegende

Kennzeichen des Modells von KNETTER (1989) ist es, durch die Nutzung von Infor-

mationen mehrerer Importländer ein Maß für die gemeinsamen GK zu schätzen und

somit deren Einfluss auf WKDR zu bereinigen. Dies erfolgt durch ein Panel-Modell

mit fixen Effekten der Form ln W = TW + ^ + _ ln àW + bW. (4.4)

Dabei stellt pit den Exportpreis (als FOB-Preis in der Währung des Exporteurs) dar,

θt einen Zeiteffekt39, λi einen Importlandeffekt, WK den Wechselkurs (in Einheiten

der Importeur-Währung pro Einheit Exporteur-Währung) und uit den Fehlerterm.

Die Schätzung von (4.4) bietet die Möglichkeit zwischen verschiedenen Szenarien zu

unterschieden. In einem integrierten kompetitiven Weltmarkt müssen alle Export-

preise den gemeinsamen GK entsprechen, welche in jeder Periode exakt durch θt

gemessen werden; λi und βi sind in diesem Szenario null für alle i. Dasselbe Ergebnis

stellt sich bei einem Monopolist mit FOB-Pricing ein, nur dass θt nun die gemeinsa-

men GK zuzüglich eines einheitlichen Markups misst. Zu einem anderen Ergebnis

kommt es allerdings, wenn Preisdiskriminierung vorherrscht. Im Fall konstanter

Nachfrageelastizitäten stellt θt immer noch einen exakten Index der GK dar, λi misst

nun aber den Markup relativ zum Basisland40, wobei βi aufgrund prozentual konstan-

ter Markups weiterhin null ist für alle i. Erst wenn zusätzlich nicht-konstante Nach-

frageelastizitäten bestehen, ist βi signifikant von null verschieden, wobei θt nur noch

ein verzerrtes Maß der GK ist. Dies ändert aber nicht die Grundaussage, dass signifi-

kante Werte für λi und βi Preisdiskriminierung belegen, wobei β < 0 mit einer Preis-

stabilisierung und β > 0 mit einer Preisdestabilisierung im Importland verbunden ist

(KNETTER 1989: 200f, GOLDBERG & KNETTER 1997: 1253ff). Problematisch ist es

hingegen, ausschließlich von signifikanten Werten für λi auf Preisdiskriminierung zu

schließen, da in der praktischen Anwendung selten sichergestellt werden kann, dass

keine länderspezifischen Qualitätsunterschiede bestehen. 39 Um der Notation des Autors zu folgen, wird der griechische Buchstabe θ in dieser Arbeit sowohl als Zeiteffekt im Knetter-Modell als auch an verschiedenen Stellen als Marktmachtparameter genutzt. 40 Basisland ist das Land, dessen Dummy zur Vermeidung von Singularität ausgeschlossen wurde.


44

Nach dem Grundmodell aus (4.4) leitete KNETTER (1995) ein modifiziertes Modell in

ersten Differenzen ab, welches den späteren Studien von KNETTER (1992, 1993,

1995) zugrunde liegt. Hierzu logarithmiert KNETTER (1995: 5) Bedingung (4.3), bil-

det das totale Differenzial und erhält nach einigen Umformungen

c = 1 + _ c′′ + _ càà +L, (4.5)

mit _ = d U ln U ln e− + 1 − U ln U ln ef , (4.6)

wobei piM den Preis in Währung des i-ten Importlandes kennzeichnet. Gleichung

(4.5) illustriert nochmals, dass Änderungen in den Exportpreisen durch Änderungen

in den gemeinsamen GK und einem individuellen Markup bedingt sind, was bereits

zu Anfang des Kapitels konstatiert wurde. Bemerkenswert ist in (4.5) allerdings, dass

eine Änderung des Markups gleichermaßen durch eine GK-Änderung sowie durch

eine WK-Änderung ausgelöst werden kann (Symmetrie)41. Wie stark diese den Mar-

kup beeinflussen, wird durch den Parameter βi beschrieben. Dabei deckt sich auch

die Tatsache, dass βi in (4.6) als Funktion der Konvexität der Nachfrage dargestellt

werden kann, mit den oben angestellten Überlegungen. Für eine konstante Nachfra-

geelastizität würde sich bspw. β = 0 ergeben, wodurch der WK keinen Einfluss auf

den Exportpreis hat und die Exportpreisänderung der GK-Änderung entspricht. Ist

die Nachfrage weniger konvex, ist β < 0 et vice versa42 (ebenda: 5-6).

Ein klarer Vorteil von Gleichung (4.5) ist, dass sie eine theoretische Basis für ein

empirisch überprüfbares Modell bietet. Ein solches hätte somit die Form

Δ ln W = hΔ ln ′ + _Δ ln àW, (4.7)

wobei γi die Elastizität des Exportpreises in Bezug auf die GK und βi die Elastizität

des Exportpreises bezüglich des WK (bereinigt um den Effekt einer GK-Änderung)

darstellt. Da die GK nicht direkt beobachtet werden können, aber für alle Länder, in

die exportiert wird, identisch sind, können sie im Panelmodell über einen Zeit-

Dummy abgebildet werden (ebenda: 7). Dies führt zum nicht-linearen Modell

Δ ln W = 1 + _TW + _Δ ln àW + bW. (4.8)

41 FEENSTRA (1989) zeigt, dass ebenso Zollsatzänderungen den optimalen Markup beeinflussen. 42 Für eine Preisstabilisierung im Importland wird, wie auch im Grundmodell, β < 0 erwartet, wohin-gegen eine Preisdestabilisierung bei β > 0 eintritt.


45

Dabei stellt pit wiederum den Exportpreis (als FOB-Preis in der Währung des Expor-

teurs) dar, θt einen Zeiteffekt und uit den Fehlerterm. Damit ist (4.8) ein Kovarianz-

modell (vgl. Kap. 5.1) mit einer variierenden Konstante. Dadurch, dass der Effekt

von GK-Änderung und WK-Änderung auf den Markup als symmetrisch restringiert

wird, sind sowohl θt als auch βi identifizierbar.

Zusätzlich zum nicht-linearen Modell aus (4.8) wird von KNETTER (1995: 11) die

alternative Spezifikation eines linearen Modells der Form

Δ ln W = TW + _Δ ln àW + bW (4.9)

eingeführt. Dieses ist eine beschränkte Version von (4.8), da es impliziert, dass die

Exportpreise aller Importländer durch GK-Änderungen proportional beeinflusst wer-

den, durch WK-Änderungen jedoch mehr oder weniger proportional und unter-

schiedlich je nach Importland. KNETTER (1995: 11f) nennt eine Reihe von Gründen,

die gegen die Modell (4.8) zugrundeliegende Symmetriebedingung und somit für

(4.9) sprechen, so z.B. dass „[…] factors other than marginal cost changes could

potentially represent an important source of common movement in export prices“43.

Der Vergleich empirischer Schätzungen beider Modelle führt schließlich zu der Ein-

schätzung, dass (4.9) in Fällen angewendet werden sollte, bei denen die Exportpreis-

Zeitreihen eine höhere Varianz aufweisen, die nicht nur auf GK-Änderungen zurück-

zuführen ist (ebenda: 22f). Schlussendlich kommt in empirischen Anwendungen, wie

auch in KNETTER (1992, 1993), aber vornehmlich das lineare Modell aus (4.9) – ohne

weitere Ausführungen zu dieser Thematik – zur Anwendung.

Werden die Modelle in ersten Differenzen (4.8) und (4.9) mit dem Grundmodell

(4.4) verglichen, so wird deutlich, dass bei letzterem kein Importlandeffekt existiert.

Dies ist dadurch bedingt, dass bei einer Bildung der ersten Differenzen alle zeitinva-

rianten Effekte entfallen. Solange ein möglicher optimaler Markup prozentual kon-

stant ist, wird dessen Änderung zusammen mit der Änderung der GK über den Index

θt abgebildet. Folglich kann das Modell nicht mehr unterscheiden, ob keine Preisdis-

kriminierung oder Preisdiskriminierung mit konstanter Nachfrageelastizität vorliegt;

in beiden Fällen ist β = 0. Ein signifikantes β ≠ 0 zeigt wiederum Preisdiskriminie-

rung bei nicht-konstanter Nachfrageelastizität, wobei β entsprechend Gleichung (4.5)

durch die Höhe der Nachfrageelastizität und die Konvexität der Nachfrage bedingt ist

(KNETTER 1995: 8).

43 Andere Faktoren, die gemeinsam für alle Importländer sind, können z.B. Nachfrageschocks oder Änderungen im strategischen Verhalten der Marktakteure sein (KNETTER 1995: 8).


46

Ob das Grundmodell oder ein Modell in ersten Differenzen zur Anwendung kommt,

ist letztendlich eine Frage der Zeitreiheneigenschaften der im Modell vertretenen

Variablen. KNETTER (1995: 11) konstatiert, dass Exportpreise und Wechselkurse

oftmals nicht-stationär bzw. I(1) (integriert vom Grade 1) sind und somit das Bilden

der ersten Differenzen ein geeignetes Mittel ist, um sowohl die Variablen als auch

den Fehlerterm in stationäre Prozesse zu überführen. Somit sollte also vor der Ver-

wendung des Grundmodells Nicht-Stationarität ausgeschlossen werden.

Neben dem vorgestellten Grundmodell und der Darstellung in ersten Differenzen

existieren noch weitere Modellvarianten. So wurden dem Modell bspw. weitere un-

abhängige Variablen hinzugefügt oder Parameterrestriktionen erhoben (GOLDBERG &

KNETTER 1997: 1253). Des Weiteren untersuchte KNETTER (1992), ob die Auswir-

kungen von WK-Änderungen symmetrisch sind und modifizierte (4.9) dahingehend,

dass ein Parameter für positive und ein Parameter für negative WK-Änderungen ge-

schätzt werden konnte. GAGNON & KNETTER (1995) wiederum schätzten ein vom

Knetter-Modell44 abgeleitetes Fehlerkorrekturmodell.

4.2.3 Diskussion und Kritik am Knetter-Modell

Folgend sollen einige weitere Aspekte zu den verschiedenen Varianten des Knetter-

Modells diskutiert werden – angefangen mit dem zu erwartenden Vorzeichen des

Parameters β. Diesbezüglich lässt die Herleitung des Knetter-Modells über die

monopolistische Optimierungsbedingung (4.3) für β zwar je nach Konvexität der

Nachfrage sowohl negative als auch positive Werte zu, generell wird für β allerdings

eher ein negativer Wert zu erwarten sein. Hierzu könnte diskutiert werden, wie wahr-

scheinlich ein Rückgang der Nachfrageelastizität mit steigender Preishöhe gegenüber

einem Anstieg der gleichen ist. Stattdessen soll darauf verwiesen werden, dass die

Erklärungsgrundlagen 2) bis 5) für PTM in Kapitel 4.2.1 allesamt auf der Grundlage

fußten, dass PTM zur Stabilisierung der Preise in den Importländern führt. Dies ist

allerdings ausschließlich mit negativen Werten für β verbunden.

Ohne an dieser Stelle zu sehr auf methodische Aspekte einzugehen, kann eine nicht

erwartungstreue Schätzung von β durch ausgelassene Variablen entstehen, die so-

wohl mit Angebot bzw. Nachfrage als auch mit dem WK korreliert sind. KNETTER

(1989: 201) argumentiert allerdings, dass Nachfrage- oder Angebotsschocks lediglich

die gemeinsamen GK beeinflussen und somit über den Zeiteffekt θt erfasst werden.

44 Wird vom „Knetter-Modell“ gesprochen, so ist keine spezielle Modellvariante gemeint.


47

Stärker umstritten ist dagegen, ob die Höhe der Nachfrageelastizitäten über bestimm-

te Faktoren systematisch mit den WK korreliert ist. Hierzu soll nur angemerkt wer-

den, dass empirische Studien allgemein eher schwache Korrelationen zwischen WK

und makroökonomischen Variablen ausweisen (ebenda: 202). Zusammenfassend

vermerkt KNETTER (1993: 477), dass es unwahrscheinlich ist, dass PTM aufgrund

eines Bias durch ausgelassene Variablen festgestellt wird.

Eine andere Möglichkeit für einen verzerrten Schätzer von β ist, dass der WK als

unabhängige Variable nicht exogen ist (vgl. Kap. 5.2.1). Auch diesen Fall hält

KNETTER (1993: 477) für sehr unwahrscheinlich, solange die Bedeutung des unter-

suchten Gutes für die Volkswirtschaft nicht übermäßig groß ist.

Die ökonomische Interpretation von β ist allgemein an das Vorhandensein eines

Gleichgewichtes in jeder Periode gebunden, ohne dass dabei dynamische Aspekte

berücksichtigt werden können. Dies wirft die Frage auf, welche Datenfrequenz ge-

wählt werden sollte. Existieren bspw. Anpassungskosten, so kann nicht davon ausge-

gangen werden, dass sich bei einer monatlichen Frequenz ein Gleichgewicht ein-

stellt. KNETTER (1993: 476) konstatiert, dass β selbst bei jährlichen Daten noch An-

passungskosteneffekte enthalten könnte. Weiterhin ist es auch möglich, dass die Ex-

porteure Kontrakte in der Währung des Importlandes abschließen, die lediglich in

mehrmonatigen Abständen angepasst werden (GOLDBERG & KNETTER 1997: 1259).

Dies würde dazu führen, dass fälschlicherweise kurzfristiges PTM festgestellt wird45.

Grundsätzlich werden in der Literatur und auch von KNETTER (1989, 1992, 1993,

1995) entweder Quartals- oder Jahresdaten benutzt46, was auch in dieser Arbeit ge-

schehen soll. Dabei wird PTM, welches sich auf erstere bezieht, als kurzfristig und

PTM, welches sich auf letztere bezieht, als langfristig bezeichnet.

Neben der Datenfrequenz wurde bereits bei den dynamischen Erklärungsansätzen die

Möglichkeit von unterschiedlichen Reaktionen bei dauerhaften gegenüber temporä-

ren WK-Änderungen erörtert. Zur Unterscheidung dieser Fälle existiert jedoch keine

allgemein anerkannte Methode (KNETTER 1993: 477), weswegen dies in der vorlie-

genden Arbeit auch nicht versucht wird. Es sei allerdings darauf hingewiesen, dass

höhere Datenfrequenzen sowohl dauerhafte als auch temporäre WK-Änderungen

beinhalten, wobei temporäre WK-Schwankungen bei abnehmender Datenfrequenz

zunehmend heraus geglättet werden.

45 Andere Einflüsse, die zu einer (temporären) Festsetzung der Preise führen, haben denselben Effekt. 46 Eine Ausnahme ist bspw. KASA (1992), der dynamische Aspekte untersucht und dabei auf monatli-che Daten zurückgreift.


48

Ein bisher noch nicht angesprochener Punkt ist die Datenquelle der Exportpreise.

Hierzu muss im Knetter-Modell auf Unit Values, d.h. die durchschnittlichen Export-

werte pro Einheit des Gutes, zurückgegriffen werden. Die Verwendung von Unit

Values ist nicht ganz unproblematisch, aber i.d.R. die einzige Möglichkeit import-

landspezifische Exportpreise zu ermitteln. Problematisch an Unit Values ist vor al-

lem, dass sie oftmals Durchschnittswerte für Aggregate verschiedener Produkte dar-

stellen. So können bspw. Qualitätsunterschiede je nach importierendem Land oder

Qualitätsveränderungen über die Zeit erfolgen (LAVOIE & LIU 2007: 572f). KNETTER

(1995: 12) argumentiert, dass es in beiden Fällen nicht zu einer Verzerrung von β

kommt, da die Effekte nicht mit den WK korreliert sind und über einen Zeitdummy

(und einen Importlanddummy im Grundmodell) erfasst werden können. Anders ver-

hält es sich jedoch, wenn importlandspezifische Änderungen in der Zusammenset-

zung von Aggregaten verschiedener Produktqualitäten auftreten. So könnte ein im-

portierendes Land bei steigenden Preisen in der eigenen Währung verstärkt auf kos-

tengünstigere Produktqualitäten ausweichen. LAVOIE & LIU (2007) zeigen, dass –

selbst unter perfektem Wettbewerb – fälschlicherweise PTM festgestellt wird, wenn

WK-Änderungen zu Änderungen in der Zusammensetzung von Produktaggregaten

führen. Dieser Effekt ist umso größer, je höher der Grad der Produktdifferenzierung

in einem Produktaggregat ist. Folglich sollten möglichst homogene bzw. eng einge-

grenzte Produkte / Produktkategorien untersucht oder auf Qualitätsveränderungen

geprüft werden. In der vorliegenden Arbeit werden zur Umgehung dieses Problems

ausschließlich möglichst homogene Produkte untersucht.

Die letztendlich deutlichste Kritik an Studien zu PTM ist eher grundlegender Natur.

So wird beklagt, dass in PTM-Studien oftmals zuerst versucht wird, PTM empirisch

nachzuweisen, bevor überhaupt eine Überprüfung der Plausibilität von Marktmacht

bzw. imperfektem Wettbewerb im internationalen Handel erfolgt. Dies trifft insbe-

sondere auch für Studien zu, die sich auf Nahrungsmittel- und Agrarprodukte bezie-

hen (SEXTON & LAVOIE 2001: 886f). LAVOIE & LIU (2007: 586) empfehlen daher für

zukünftige PTM-Studien zuerst eine Untersuchung der Marktstruktur und damit eine

Bestimmung der Wahrscheinlichkeit von Marktmacht. Dies ist für die Weltmärkte

für Milchprodukte in Kapitel 2 der vorliegenden Arbeit ausführlich erfolgt.


4.3 Der Residual-Demand

4.3.1 Die residuale Nachfrageelastizität

Eine möglicherweise im Rahmen des PTM

rung lässt zwar grundsätzlich auf Mark

aus den geschätzten Koeffizienten nicht ableiten. So kann bspw. weder die ökonom

sche Signifikanz der Marktmacht bestimmt, noch die Höhe der Markups über ve

schiedene Importländer verglichen oder die Ursachen der Mark

werden. Hierzu bedarf es der Anwendung von Strukturansätzen, wie sie in Kapitel

4.1 grundsätzlich angesprochen wurden (

Ansatz, der in diese Kategorie fällt, aber trotzdem die in Kapitel 4.1 konstatierten

Datenerfordernisse gering hält, ist de

wickelte Residual-Demand

frageelastizität (RNE) vor, welche die Beziehung zwischen dem Preis und der Ang

botsmenge eines Unternehmens

wenn die Angebotsreaktion der Konkurrenten berücksichtigt wird (

NAHAN 1988: 284). Die Autoren hatten hierbei zwar primär Märkte mit einer stärk

ren Produktdifferenzierung im Blick

Nachfragekurve bei oligopolis

Abbildung 4.2 wird illustriert, wie die residuale Nachfragekurve grafisch

Marktlösung ohne das zu untersuch

Abbildung 4.2: Grafische Ableitung der residualen Nachfrage


47 In Märkten, die durch Produktdifferenzierung gekennzeichnet sind, bedarf es zur Analyse von Marktmacht normalerweise der Schätzung mehrerfrage (BAKER & BRESNAHAN

ohne Kenntnis dieser Parameter die Analyse von Marktmacht, was ein entscheidender Vorteil ist.

Ansätze zur Analyse von Marktmacht

Demand-Ansatz

duale Nachfrageelastizität als Maß für Marktmacht

Eine möglicherweise im Rahmen des PTM-Ansatzes festgestellte Preisdiskrimini

rung lässt zwar grundsätzlich auf Marktmacht schließen, viel mehr lässt sich jedoch

aus den geschätzten Koeffizienten nicht ableiten. So kann bspw. weder die ökonom

sche Signifikanz der Marktmacht bestimmt, noch die Höhe der Markups über ve

schiedene Importländer verglichen oder die Ursachen der Marktmacht ergründet

es der Anwendung von Strukturansätzen, wie sie in Kapitel

4.1 grundsätzlich angesprochen wurden (GOLDBERG & KNETTER 1997: 1262).

der in diese Kategorie fällt, aber trotzdem die in Kapitel 4.1 konstatierten

tenerfordernisse gering hält, ist der von BAKER & BRESNAHAN (1985, 1988) en

Demand-Ansatz. Dieser sieht die Schätzung der residualen Nac

geelastizität (RNE) vor, welche die Beziehung zwischen dem Preis und der Ang

botsmenge eines Unternehmens (oder einer Gruppe von Unternehmen)

wenn die Angebotsreaktion der Konkurrenten berücksichtigt wird (BAKER

Die Autoren hatten hierbei zwar primär Märkte mit einer stärk

ren Produktdifferenzierung im Blick47, dennoch existiert auch eine fallende

Nachfragekurve bei oligopolistischem Verhalten der Marktakteure (ebenda: 285).

Abbildung 4.2 wird illustriert, wie die residuale Nachfragekurve grafisch

zu untersuchende Unternehmen abgeleitet wird.

: Grafische Ableitung der residualen Nachfrage

Quelle: Eigene Darstellung in Anlehnung an GOLDBERG & KNETTER (1999: 34)

In Märkten, die durch Produktdifferenzierung gekennzeichnet sind, bedarf es zur Analyse von

Marktmacht normalerweise der Schätzung mehrerer Eigen- sowie Kreuzpreiselastizitäten der NacRESNAHAN 1988: 284). Der Residual-Demand-Ansatz ermöglicht hingegen auch

ohne Kenntnis dieser Parameter die Analyse von Marktmacht, was ein entscheidender Vorteil ist.

49

Ansatzes festgestellte Preisdiskriminie-

macht schließen, viel mehr lässt sich jedoch

aus den geschätzten Koeffizienten nicht ableiten. So kann bspw. weder die ökonomi-

sche Signifikanz der Marktmacht bestimmt, noch die Höhe der Markups über ver-

macht ergründet

es der Anwendung von Strukturansätzen, wie sie in Kapitel

1997: 1262). Ein

der in diese Kategorie fällt, aber trotzdem die in Kapitel 4.1 konstatierten

(1985, 1988) ent-

. Dieser sieht die Schätzung der residualen Nach-

geelastizität (RNE) vor, welche die Beziehung zwischen dem Preis und der Ange-

nehmen) beschreibt,

AKER & BRES-

Die Autoren hatten hierbei zwar primär Märkte mit einer stärke-

fallende residuale

der Marktakteure (ebenda: 285). In

Abbildung 4.2 wird illustriert, wie die residuale Nachfragekurve grafisch aus der

In Märkten, die durch Produktdifferenzierung gekennzeichnet sind, bedarf es zur Analyse von sowie Kreuzpreiselastizitäten der Nach-

Ansatz ermöglicht hingegen auch ohne Kenntnis dieser Parameter die Analyse von Marktmacht, was ein entscheidender Vorteil ist.


50

In der Abbildung zeigt das linke Schaubild die Marktnachfrage (DMarkt(p)) nach ei-

nem homogenen Gut und die gemeinsame Angebotskurve (SKonk.(p)) der Konkurren-

ten des zu untersuchenden Unternehmens 1. Aus der Differenz zwischen Marktnach-

frage und dem Angebot der Konkurrenten kann im rechten Schaubild die residuale

Nachfragekurve für Unternehmen 1 gebildet werden. Diese verläuft im Fall vollstän-

digen Wettbewerbs horizontal, entspricht im Monopolfall der Marktnachfrage und

liegt im Oligopol entsprechend zwischen den zuvor genannten Extremen. Gegeben

die residuale Nachfragekurve, kann das Unternehmen nun mittels der Optimierungs-

bedingung (3.3) den Gewinn maximieren, was zu einer betrieblichen Angebotsmenge

von q* und einem Marktpreis von p* führt.

Es ist unmittelbar einleuchtend in Abbildung 4.2, dass die Eigenschaften der residua-

len Nachfragekurve von den Eigenschaften der Marktnachfrage und des Angebots

der Konkurrenten abhängen. Dies illustrieren BAKER & BRESNAHAN (1988: 288f)

durch die Zerlegung der Elastizität der inversen residualen Nachfragekurve, d.h. der

inversen residualen Nachfrageelastizität (RNE48), gemäß

i<4 ≡ U<U< << = i<< + : i<j<>

DB , (4.10)

mit

j< ≡ UU< < . (4.11)

Dabei kennzeichnet ηR1 die RNE des Unternehmens 1. Somit wird sichtbar, dass sich

die RNE aus der Eigenpreisflexibilität der Nachfrage (η11) zuzüglich der Summe aus

Kreuzpreisflexibilitäten (η1i) multipliziert mit den Elastizitäten der Angebotsreaktio-

nen der Konkurrenten (φi1) zusammensetzt (ebenda: 289). Wird bspw. von einem

stark differenzierten Gut ausgegangen, so sind die η1i sehr gering und die RNE des

betrachteten Unternehmens entspricht annähernd der Eigenpreisflexibilität. Bei ei-

nem homogenen Gut wiederum entsprechen die η1i den partiellen Eigenpreisflexibili-

täten, d.h. sie beschreiben die prozentuale Änderung des Marktpreises, wenn sich die

Angebotsmenge des i-ten Unternehmens um 1% ändert. Folglich ist ηR1 im voll-

48 Da ηR die Elastizität der inversen residualen Nachfragekurve ist, müsste eigentlich von einer residu-alen Nachfrageflexibilität gesprochen werden. Diesbezüglich ist die Literatur allerdings nicht einheit-lich, d.h. es wird sowohl von „RNE“ als auch „inverser RNE“ gesprochen, gemeint ist jedoch stets ηR. In dieser Arbeit soll ηR folgend als RNE, ohne die Beschreibung „invers“, bezeichnet werden. Um allerdings deutlich zu machen, dass es sich um eine Flexibilität handelt, wurde der griechische Buch-stabe η an Stelle von ε gewählt. Im Gegensatz zu der bisher positiven Definition von ε sind alle Flexi-bilitäten η – aus Konsistenzgründen zur Residual-Demand-Literatur – negativ definiert.


51

kommenen Wettbewerb null, da sowohl η11 als auch der zweite Term auf der rechten

Seite gegen null gehen49. Gleichung (4.10) führt somit zu den gleichen Schlussfolge-

rungen wie die vorausgegangenen Überlegungen zur Steigung der residualen Nach-

fragekurve. Als letztes Beispiel sei das Cournot-Modell für den Oligopolfall zugrun-

de gelegt. Hierbei entspricht ηR1 gleich η11, da die φi1 annahmegemäß gleich null

sind; η11 ist wiederum u.a. durch den Marktanteil determiniert.

Auch wenn Gleichung (4.10) die RNE in ihre Bestandteile aufschlüsselt, ist es nicht

möglich, die einzelnen zugrundeliegenden Parameter zu bestimmen. So ist es im

Rahmen des Ansatzes lediglich möglich, ηR zu schätzen, nicht aber die Parameter,

die ηR determinieren (ebenda: 289). Dafür steht die RNE in einem klaren Zusam-

menhang zum Markup; unter der Bedingung, dass die tatsächliche residuale Nach-

fragekurve mit der vom Unternehmen vermuteten übereinstimmt, gilt

− ′ = −i4 + L - .1, … , F1. (4.12)

Das bedeutet, dass die RNE ein unter bestimmten Bedingungen exaktes Maß für den

Lerner-Index ist. Dies ist auch ein intuitiv nachvollziehbares Ergebnis, da in ηR nach

Gleichung (4.10) sowohl die Eigenpreiselastizität als auch Verhaltensparameter ein-

gehen, deren Zusammenspiel mit dem Lerner-Index auch schon in (4.2) gezeigt wur-

de. Weiterhin illustriert auch Abbildung 4.2, dass die Höhe des Markups an den Grad

der Steigung der residualen Nachfragekurve und damit die RNE gebunden ist. Es sei

an dieser Stelle allerdings darauf hingewiesen, dass die Identität zwischen Lerner-

Index und RNE in verschiedenen Oligopolmodellen nicht mehr gegeben ist50. Den-

noch kann selbst unter diesen Bedingungen bei höheren Werten für ηR auf eine höhe-

re Marktmacht geschlossen werden (ebenda: 290).

Zur Identifikation der RNE werden vor allem Kosten-Shifter für die einzelnen Kon-

kurrenten des betrachteten Unternehmens benötigt, die deren Kosten unabhängig

vom betrachteten Unternehmen ändern. Unter kompetitiven Verhältnissen würden

diese Variablen vollständig die Marktpreisänderungen erklären. Wenn allerdings die

Angebotsmenge des betrachteten Unternehmens ebenfalls einen Einfluss auf den

Marktpreis hat, kann dieser durch die RNE beschrieben werden, die gleichzeitig ein

Maß für die vorliegende Marktmacht darstellt. 49 Im zweiten Term entspricht φi1 gleich -1, da im vollkommenen Wettbewerb ein möglicher Ange-botsrückgang eines Anbieters sofort durch die anderen Anbieter kompensiert wird (BAKER & BRES-

NAHAN 1988: 284); die η1i gehen wie auch η11 als partielle Eigenpreisflexibilitäten gegen null. 50 Vgl. BAKER & BRESNAHAN (1988: 289f) sowie GOLDBERG & KNETTER (1999: 39f) für eine Diskus-sion der Bedingungen, unter denen die Identität zwischen Lerner-Index und RNE nicht gegeben ist.


52

4.3.2 Herleitung der residualen Nachfrage durch Goldberg & Knetter

Der durch BAKER & BRESNAHAN (1985, 1988) entwickelte Residual-Demand-Ansatz

wurde in Folge von einer Reihe von Autoren aufgegriffen, weiterentwickelt und in

verschiedenen Märkten angewandt; einen Überblick hierzu geben bspw. SEXTON &

LAVOIE (2001: 898ff). Allerdings erfolgte eine Anwendung ausschließlich in inländi-

schen Märkten. Erst GOLDBERG & KNETTER (1999) griffen den Residual-Demand-

Ansatz zur Analyse von Marktmacht in internationalen Märken auf. Der wesentliche

Vorteil, den die Autoren bei der Anwendung in internationalen Märkten sehen, ist,

dass die WK-Änderungen der internationalen Konkurrenten in einem Importland

ideale Kosten-Shifter darstellen. Sie sind sowohl plausibel als exogen zu betrachten

als auch individuell für jedes exportierende Land; zudem sind WK-Änderungen

i.d.R. groß genug, um die GK der einzelnen Konkurrenten in einem Importland sig-

nifikant gegeneinander zu verschieben (ebenda: 29, 35). Allerdings können GOLD-

BERG & KNETTER (1999) aufgrund mangelnder Datenverfügbarkeit und gemeinsa-

men WK-Änderungen nur noch Ländergruppen von Exporteuren betrachten und

nicht mehr einzelne Unternehmen – es sei denn, es exportiert nur ein einziges Unter-

nehmen im betrachteten Exportland. Im weiteren Verlauf des Kapitels soll die resi-

duale Nachfragefunktion nach den Ausführungen von GOLDBERG & KNETTER (1999:

36ff) abgeleitet werden, die – abgesehen von einigen Modifikationen – im Wesentli-

chen dem Grundansatz von BAKER & BRESNAHAN (1988: 286ff) folgen.

Folgend sei also von einer Gruppe von m Exporteuren ausgegangen, die aus dem zu

untersuchenden Exportland in ein bestimmtes Importland exportieren. Diesen stehen

im Importland Konkurrenten aus n anderen Exportländern gegenüber. Dabei wird

angenommen, dass die Güter von Unternehmen des gleichen Exportlandes als per-

fekte Substitute, gegenüber Gütern anderer Exportländern jedoch als perfekte oder

imperfekte Substitute zu betrachten sind. Diese Annahme imperfekter Substitute bei

Gütern unterschiedlicher Herkunftsländer wird in der Literatur auch als Armington-

Annahme bezeichnet. Die gemeinsame inverse Nachfragefunktion der m Exporteure

und die der n Konkurrenten sind gegeben durch

k3 = lk3Vk3, mD<,…,>, n (4.13) m = lmVm, oD<,…,>|oqmr, k3, n. (4.14)

Dabei stellt pex den Preis der m Exporteure und pk den Preis des k-ten Konkurrenz-

landes, jeweils in der Währung des Importlandes, dar. Gleichermaßen ist Qex die


53

Summe der Exporte der m Exporteure und Qk die gesamte Exportmenge des k-ten

Konkurrenzlandes. Z wiederum ist ein Vektor von Nachfrage-Shiftern im betrachte-

ten Importland51. Unter diesen Bedingungen ist der Gewinn des i-ten Exporteurs im

zu untersuchenden Exportland gegeben durch

Πk3k3 ≡ k3k3 − à Cstk3, (4.15)

wobei qexi die von i ins Importland exportierte Menge darstellt, Cex

i die Kosten in

Exporteur-Währung und WK den Wechselkurs in Einheiten der Importeur-Währung

pro Einheit Exporteur-Währung. Soll der Gewinn aus (4.15) maximiert werden, so

kann die dazu erforderliche Bedingung erster Ordnung umgeformt werden zu

k3 = à ′k3 − k3l′k3 u1 + : Uk3Uk3

q v w1 + : Ulk3Um UlmUk3>

mD< x . (4.16)

Gleichung (4.16) postuliert, dass die optimale Exportmenge erreicht ist, wenn der

Preis pex den GK zuzüglich des Einflusses einer zusätzlichen Outputeinheit auf die

Profitabilität aller anderen Einheiten entspricht. Letzterer hängt sowohl von der Re-

aktion der m-1 weiteren Exporteure im zu untersuchenden Exportland als auch von

der Reaktion der n konkurrierenden Länder auf eine Erhöhung des Outputs um eine

Einheit ab. Diese beiden Reaktionen werden, in der entsprechenden Reihenfolge,

durch die zwei Klammerausdrücke in (4.16) beschrieben und sollen im Folgenden

durch θ und φ gekennzeichnet werden. Somit kann (4.16) dargestellt werden als

k3 = à ′k3 − k3 l′k3 T y. (4.16‘)

Zur Schätzung von Gleichung (4.16‘) würde es allerdings unternehmensspezifischer

Daten bedürfen, deren Verfügbarkeit bereits zu Anfang dieses Kapitels negiert wur-

de. Folglich wird (4.16‘) mit den Marktanteilen der m Unternehmen multipliziert und

für alle m aufsummiert, so dass sich

k3 = à ′k3 − Vk3 l′k3 T y (4.17)

für das gesamte zu untersuchende Exportland ergibt. Dabei ist ′k3 = ∑ # ′k3D<

und T = ∑ #B TD< . Analog zu (4.17) kann auch für die n konkurrierenden Export-

länder die Bedingung erster Ordnung in der Form

m = àm ′m − Vm l′m m (4.18)

dargestellt werden. 51 Aus Konsistenzgründen wurde in diesem Kapitel z.T. von der Notation der Autoren abgewichen.


54

Bis zu dieser Stelle sind die Ausführungen noch nicht spezifisch für die Ableitung

der residualen Nachfrage. So könnten für die Gleichungen (4.13), (4.14), (4.17) und

(4.18) funktionale Formen gewählt und geschätzt werden. Dadurch könnten Informa-

tionen über Eigen- und Kreuzpreiselastizitäten der Nachfrage, GK sowie Verhaltens-

parameter gewonnen werden. Allerdings wäre dies auch mit einem enormen Bedarf

an Daten verbunden. Um nun die residuale Nachfrage abzuleiten, müssen die er-

wähnten Gleichungen so kombiniert werden, dass nur noch eine Gleichung geschätzt

werden muss, die residuale Nachfrage.

Hierzu müssen als erstes die 2n Gleichungen, die sich aus (4.14) und (4.18) für die n

Konkurrenzländer ergeben, in Bezug auf Preise und Exportmengen der Konkurrenz-

länder gelöst werden. Wird die Funktion aus (4.14) in Bedingung (4.18) eingesetzt

und die GK als Funktion der produzierten Menge Qk und einem Vektor von Kosten-

Shiftern Wk dargestellt, so ergibt sich als Bedingung erster Ordnung

m = àm ′mVm, | − Vm l′mVm, o , k3, n m (4.18‘)

für das k-te Konkurrenzland. Ist das Gleichungssystem gelöst, kann der Preis des k-

ten Konkurrenzlandes als Funktion der Verhaltensparameter, Kosten- und Nachfra-

ge-Shifter der n Konkurrenzländer sowie der Exportmenge (oder des Preises) des zu

untersuchenden Exportlandes, der Form

m = m****Vk3, |, n, (4.19)

dargestellt werden. Dabei entfallen sowohl Preise als auch Exportmengen der ande-

ren Konkurrenzländer, da das Gleichungssystem bereits für deren optimale Höhe

gelöst wurde. Somit ist pk* eine Gleichung partiell reduzierter Form, da ausschließ-

lich Qex als endogene Variable auf der rechten Seite auftaucht, alle anderen Variab-

len aber exogen sind (vgl. Kap. 5.2.2). Dabei stellt WN ein Vektor von Kosten-

Shiftern und θN ein Vektor von Verhaltensparametern der n Konkurrenzländer dar; Z

wiederum ist der allen Exporteuren gemeinsame Vektor von Nachfrage-Shiftern im

Importland. Wird (4.19) für alle k in (4.13) eingesetzt, so ergibt sich

k3 = lk3Vk3, p<****∙ , … , p****∙ , n = lk,k3Vk3, |, n, . (4.20)

Gleichung (4.20) repräsentiert die (inverse) residuale Nachfrage des zu untersuchen-

den Exportlandes und weist drei beobachtbare Faktoren auf: Die vom Exportland

exportierte Menge sowie Nachfrage- und Kosten-Shifter der Konkurrenzländer. Wird

(4.20) mit der Bedingung erster Ordnung für die Gruppe der Exporteure des zu un-


55

tersuchenden Exportlandes (4.17) verglichen, so ist der in (4.17) enthaltene GK-

Term eine Funktion der spezifischen Kosten-Shifter Wex des zu untersuchenden Ex-

portlandes; in (4.20) ist Wex allerdings nicht vertreten. Exakt dieser Ausschluss von

Wex in (4.20) sorgt dafür, dass die residuale Nachfragekurve ökonometrisch identifi-

ziert ist. Der Vorteil der Betrachtung von internationalen Märkten ist dabei, dass, wie

bereits erwähnt, der WK zwischen dem zu untersuchenden Exportland und dem Im-

portland als ein Element des Vektors Wex gewählt werden kann.

4.3.3 Schätzung der residualen Nachfrage

Nachdem durch Gleichung (4.20) die theoretische Basis für die residuale Nachfrage

geschaffen ist, soll im Folgenden darauf eingegangen werden, in welcher Form

(4.20) ökonometrisch geschätzt werden kann. Dabei wird weiterhin auf die Ausfüh-

rungen von GOLDBERG & KNETTER (1999: 40ff) zurückgegriffen.

Grundsätzlich werden durch (4.20) zwar die Variablen vorgegeben, die bei der

Schätzung der residualen Nachfrage berücksichtigt werden sollten, nicht aber die

funktionale Form. Diesbezüglich schlagen GOLDBERG & KNETTER (1999: 40) eine

doppelte Log-Form vor, die es ermöglicht, die geschätzten Koeffizienten als Elastizi-

täten zu interpretieren. Das zu schätzende Modell hat somit die Form

ln Wk3 = ^ + i ln VWk3 + ′ ln nW + ′ ln |W + bW. (4.21)

Dabei stellt pexht den Exportpreis in der Währung des h-ten Importlandes dar, λh eine

Konstante, Qexht die Exportmenge des zu untersuchenden Exportlandes ins h-te Im-

portland, Zht ein Vektor von Nachfrage-Shiftern, WNht ein Vektor von Kosten-

Shiftern der Konkurrenzländer und uht den Fehlerterm der Regression; α und β sind

weiterhin Vektoren von Parametern. Entsprechend der Indizierung muss (4.21) für

jedes Importland spezifiziert werden.

Der wichtigste Parameter, der in Gleichung (4.21) bestimmt wird, ist ηh. Dieser kann

entsprechend der vorausgegangenen Überlegungen unmittelbar als RNE interpretiert

werden. Das heißt, ein Wert von null impliziert vollkommenen Wettbewerb, wohin-

gegen steigende signifikante Werte für ηh mit einem steigenden Grad an Marktmacht

verbunden sind. GOLDBERG & KNETTER (1999: 35) gehen bei der Interpretation der

RNE sogar noch weiter und nehmen identische und homothetische Präferenzen über

alle Importländer an. Da damit die Nachfrageelastizität in allen Ländern gleich hoch

ist, müssen Differenzen in ηh durch eine unterschiedliche Wettbewerbsintensität be-


56

dingt sein. Neben ηh lassen die verbleibenden Parameter keine eindeutige Interpreta-

tion zu, da sie sowohl die direkten Effekte auf die nachgefragte Exportmenge des zu

untersuchenden Exportlandes beinhalten als auch die indirekten Effekte durch die

Anpassung der Konkurrenzländer (BAKER & BRESNAHAN 1988: 297).

Für die Vektoren der Nachfrage- und Kosten-Shifter nennen KNETTER & GOLDBERG

(1999: 41) weiterhin eine Reihe von typischerweise zu berücksichtigenden Variab-

len. Für die Nachfrage-Shifter Zht sind dies verschiedene Kombinationen eines Zeit-

trends, dem realen Einkommen und dem Preisniveau für jedes Importland, jeweils in

der Währung des h-ten Importlandes. Die Kosten-Shifter WNht der Konkurrenzländer

wiederum gliedern die Autoren in zwei Bestandteile: Zum einen verschiedene Maße

für Faktorpreise, wie bspw. Löhne, Rohstoff-, oder Energiepreise jeweils in der Wäh-

rung des Konkurrenzlandes, und zum anderen der WK des Konkurrenzlandes gegen-

über dem Importland.

Im vorausgegangenen Kapitel 4.3.2 wurde bereits im Zusammenhang mit Gleichung

(4.20) bzw. (4.19) angesprochen, dass Qex als Exportmenge des zu untersuchenden

Exportlandes nicht exogen, sondern endogen ist. Das heißt, um eine Korrelation mit

dem Fehlerterm und somit eine Verzerrung von ηh zu vermeiden (vgl. Kap. 5.2.1),

muss Qex instrumentiert werden. Als Instrumente schlagen GOLDBERG & KNETTER

(1999: 42) hierzu Kosten-Shifter für das zu untersuchende Exportland vor, da diese

zum einen in (4.21) nicht vertreten und zum andern nach (4.17) mit der Exportmenge

korreliert sind. Einer der Kosten-Shifter, der als Instrument verwendet wird, sollte

entsprechend der bisherigen Überlegungen der WK zwischen dem zu untersuchenden

Exportland und dem h-ten Importland sein.

Allerdings existieren auch mögliche Probleme bei der Schätzung von (4.21), die mit

dem Anwendungsbereich der internationalen Märkte verbunden sind. So kann es

bspw. zur Veränderung von Zollsätzen, dem Entstehen von Freihandelsabkommen

oder Veränderungen bei anderen Handelshemmnissen kommen. Genauso sind in

vielen Branchen in zunehmendem Maße ausländische Direktinvestitionen zu ver-

zeichnen. All diese Faktoren beeinflussen die Handelsmengen und Preise und können

somit zu Verzerrungen der geschätzten Koeffizienten in (4.21) führen; folglich müs-

sen sie als Nachfrage-Shifter berücksichtigt werden (ebenda: 40). Weiterhin berich-

ten GOLDBERG & KNETTER (1997: 1266f) von einer oftmals hohen Volatilität in bila-

teralen Handelsströmen, die zu groß ist, um sie auf Nachfrageschwankungen zurück-

zuführen und somit in ungenauen Schätzergebnissen von (4.21) resultiert.

5 Methodik

57

5 Methodik

Zur Schätzung der im letzten Kapitel vorgestellten Modelle zum Nachweis von PTM

und zur Messung der RNE bedarf es bestimmter methodischer Grundlagen. So wurde

bereits erwähnt, dass das Knetter-Modell als Panelmodell geschätzt wird. Dagegen

ist das Residual-Demand-Modell aus (4.21) für mehrere Länder als Mehrglei-

chungsmodell zu schätzen. Sowohl Panel- als auch Mehrgleichungsmodelle weisen

allerdings einige Besonderheiten gegenüber der Standard-OLS-Schätzung von Quer-

schnitts- oder Zeitreihendaten auf. Auf diese Besonderheiten soll im Folgenden ein-

gegangen werden. Ziel dabei ist es, einen grundsätzlichen Überblick über die er-

wähnten methodischen Ansätze zu geben, wobei ein gewisses ökonometrisches Ba-

siswissen in den Ausführungen vorausgesetzt wird.

5.1 Panelökonometrische Modelle

5.1.1 Gepoolte Modelle vs. Modelle mit Fixed- und Random-Effects

Das primäre Kennzeichen eines Panelmodells ist es, dass nicht ein Beobachtungsob-

jekt über die Zeit (wie beim Zeitreihenmodell) und auch nicht ein Querschnitt von

Beobachtungsobjekten (wie beim Querschnittsdaten-Modell) betrachtet wird, son-

dern beides zugleich. Das heißt, es wird ein Querschnitt von Beobachtungsobjekten

über die Zeit beobachtet. Dies wird über die Regressionsgleichung

W = + W + W L = 1, … , Z; = = 1, … , [ (5.1)

abgebildet, wobei i ein Index für die Beobachtungsobjekte ist und t ein Index für die

Zeit. Weiterhin stellt yit eine abhängige Variable dar, xit einen (K × 1)-Vektor von

unabhängigen Variablen, α eine Konstante, β einen (K × 1)-Vektor von Parametern

und vit den Fehlerterm, für den angenommen wird, dass er unabhängig und identisch

verteilt ist über i und t (iid-Annahme), mit einem Mittelwert von null und einer Va-

rianz von σv2 (HSIAO 2003: 5ff). Damit stellt (5.1) ein gepooltes Modell dar, was da-

ran zu erkennen ist, dass die Parameter α und β nicht indiziert, d.h. unabhängig vom

Beobachtungsobjekt und Zeitpunkt der Beobachtung sind. Das gepoolte Modell (5.1)

kann weiterhin über OLS geschätzt werden.

Die Schätzer des gepoolten Modells aus (5.1) sind allerdings nur unverzerrt, wenn

alle Beobachtungsobjekte und Zeitpunkte homogen sind oder eine vorhandene Hete-

rogenität vollständig durch xit beschrieben werden kann. Stellen die Beobachtungs-

objekte bspw. Individuen dar, die über unterschiedliche nicht in xit erfasste Fähigkei-

5 Methodik

58

ten verfügen, welche wiederum yit beeinflussen, dann herrscht eine unbeobachtete

Heterogenität vor. Die daraus entstehende Verzerrung der Schätzer wird auch als

Heterogenitätsbias bezeichnet (ebenda: 8). Unter diesen Umständen kann der Fehler-

term vit aus (5.1) zerlegt werden entsprechend

W = + ^W + bW. (5.2)

Dabei stellt µi einen individuellen Fehler, λt einen zeitlichen Fehler und uit einen dem

üblichen Fehlerterm entsprechenden allgemeinen Fehler dar. Liegt neben dem allge-

meinen lediglich ein weiterer Fehler vor (i.d.R. der individuelle Fehler), wird von

einem One-Way-Modell gesprochen, wohingegen bei zwei weiteren Fehlern von ei-

nem Two-Way-Modell gesprochen wird (BALTAGI 2005: 11, 33). Wird ein Heteroge-

nitätsbias festgestellt, kann auf zwei verschiedene Modellansätze ausgewichen wer-

den, das Fixed-Effects- und das Random-Effects-Modell.

Beim Fixed-Effects-Modell oder auch Kovarianzmodell werden für die unbeobachte-

ten Effekte Dummy-Variablen aufgenommen, die diese abbilden. Dies können zum

einen Dummies für die individuellen zeitinvarianten Effekte und/oder Dummies für

die zeitlichen individuell-invarianten Effekte sein (HSIAO 2003: 30). Das Fixed-

Effects-Modell hat somit die Form

W = + ^W + W + bW. (5.3)

Dabei stellt αi eine Konstante für das i-te Beobachtungsobjekt und λt eine Konstante

für den t-ten Zeitpunkt dar; uit ist weiterhin der verbleibende allgemeine Fehler, für

den die zu vit genannten Annahmen gelten. Das Modell wird auch als Kovarianzmo-

dell bezeichnet, da es eine Mischung der Modelle der Varianz- und Regressionsana-

lyse darstellt. Bei ersterer wird der Einfluss diskreter Merkmale auf yit untersucht

und bei letzterer der Einfluss stetiger Merkmale. Im Kovarianzmodell hingegen wird

beides kombiniert. So ist der Erwartungswert von yit in (5.3) sowohl durch die Aus-

prägung von i und t bedingt als auch von den stetigen Variablen x.

Dadurch, dass die einzelnen unbeobachteten Effekte als Dummies im Modell berück-

sichtigt wurden, kann β nun sowohl unverzerrt als auch konsistent über OLS ge-

schätzt werden. Der Schätzer für β wird dabei auch als Within-Group-Schätzer be-

zeichnet, da lediglich die Varianz innerhalb der Beobachtungsobjekte und Zeitpunkte

in den Schätzer eingeht, nicht aber die Effekte zwischen Beobachtungsobjekten bzw.

Zeitpunkten (ebenda: 33). Natürlich ist es auch möglich, fixe Effekte für β zu schät-

zen, d.h. βi im Modell aufzunehmen (HSIAO 2003: 141ff), allerdings wird i.d.R. da-

5 Methodik

59

von ausgegangen, dass β nicht signifikant über i variiert. Diese Annahme wird ge-

troffen, da eigens auf Paneldaten zurückgegriffen wird, um mittels einer höheren

Beobachtungszahl die Effizienz der Schätzung zu erhöhen (SCHRÖDER 2007: 264).

Im Gegensatz zum Fixed-Effects-Modell wird im Random-Effects-Modell oder auch

Fehlerkomponentenmodell ein zufälliges Auftreten des individuellen und zeitlichen

Effekts angenommen. Es wird also von Modell (5.1) ausgegangen, in dem sich der

Fehler wie in (5.2) zusammensetzt; dabei gilt für die Fehlerkomponenten

= ^W = bW = 0, ^W = bW = ^WbW = 0, (5.4)

= B, L = Q0, L ≠ Q,r ^W^ = B, = = #0, = ≠ #,r (5.5)

bWb = B, L = Q, = = #0, #F#=, r ′W = ^W′W = bW′W = ′. (5.6)

Demnach ist der Erwartungswert (E) aller Fehlerkomponenten gleich null, ebenso die

Kovarianz zwischen den Komponenten und innerhalb der Fehlerkomponenten zwi-

schen einzelnen Beobachtungsobjekten und Zeitpunkten. Weiterhin wird vorausge-

setzt, dass die Fehlerkomponenten nicht mit den unabhängigen Variablen korrelieren.

Gegeben die zweite Annahme aus (5.4), setzt sich die Varianz des Fehlerterms vit

additiv zusammen, d.h. σv2 = σα

2 + σλ2 + σu

2. Entsprechend (5.5) kann die daraus für

vit gebildete Varianz-Kovarianz-Matrix V keine Diagonalmatrix sein52, d.h. die Ele-

mente außerhalb der Hauptdiagonalen sind nicht alle gleich null. Genau das müsste

allerdings gegeben sein, damit vit unabhängig verteilt ist. Folglich ist die OLS-

Schätzung von (5.1) zwar noch konsistent53, aber nicht mehr effizient. Hierzu bedarf

es der Schätzung von (5.1) mit GLS (vgl. Kap. 5.2.2) (HSIAO 2003: 34f).

Der GLS-Schätzer für β kann als gewichtetes Mittel zwischen dem Within-Group-

Schätzer und seinem Gegenstück dem Between-Group-Schätzer dargestellt werden.

Wenn T→∞, geht das Gewicht des zweites Schätzers gegen null und der GLS-

Schätzer nähert sich asymptotisch dem Within-Group-Schätzer des Fixed-Effects-

Modells an (ebenda: 36-38).

52 vit ist nicht nur mit sich selbst korreliert, sondern über αi mit allen Fehlern vjs, für die gilt j = i, s = 1,…, T und über λt mit allen Fehlern vjs, für die gilt s = t, j = 1,…, N. 53 Die OLS-Schätzung ist deshalb noch konsistent, da unter (5.6) postuliert wird, dass die einzelnen Fehlerkomponenten nicht mit den unabhängigen Variablen korrelieren.

5 Methodik

60

Nach den bisherigen Überlegungen kann also dem Heterogenitätsbias im gepoolten

Modell sowohl mit dem Fixed-Effects- als auch mit dem Random-Effects-Modell

begegnet werden. Damit stellt sich allerdings die Frage, welches Modell zu bevorzu-

gen ist. Grundsätzlich verlangt das Random-Effects-Modell durch Annahme (5.6),

dass keine individuellen oder zeitlichen Effekte mit den unabhängigen Variablen

korreliert sind. Ist dies der Fall, so ist das Random-Effects-Modell zu bevorzugen.

Zwar sind die Schätzer beider Modelle konsistent, effizient ist allerdings nur der

Random-Effects-Schätzer, da er durch die Berücksichtigung der Variation zwischen

den Beobachtungsobjekten auf eine breitere Informationsbasis zurückgreifen kann

(SCHRÖDER 2007: 268). Ein anderes Ergebnis stellt sich ein, wenn Annahme (5.6)

verletzt ist54. Dies führt dazu, dass der Random-Effects-Schätzer seine Konsistenz

verliert; in diesem Fall ist ein Fixed-Effects-Modell zu wählen.

Daneben stellt HSIAO (2003: 43ff) vor allem den Kontext, in dem ein Panelmodell

geschätzt wird, in den Vordergrund. Sollen bspw. aus dem Modell Schlüsse für alle

Beobachtungsobjekte gezogen werden, ist – solange Bedingung (5.6) erfüllt ist – das

Random-Effects-Modell zu bevorzugen. Die individuellen oder zeitlichen Effekte

können dabei aber sowohl durch Zufallseffekte bei einer homogenen als auch durch

eine heterogene Grundgesamtheit entstehen. Sind hingegen primär die individuellen

oder zeitlichen Effekte selbst von Interesse, z.B. weil von einer heterogenen Grund-

gesamtheit ausgegangen wird, so ist das Fixed-Effects-Modell zu wählen.

Im Fall des Knetter-Modells resultieren mögliche individuelle Effekte im Grundmo-

dell (4.4) aus unterschiedlichen Markups und/oder Qualitäten, deren Ausprägung von

Interesse ist und somit als fix betrachtet wird. Die zeitlichen Effekte wiederum sind

durch GK-Änderungen bedingt, welche nach den Überlegungen in Kapitel 4.2.1 u.U.

mit den WK korreliert sind und somit ebenfalls als fix angesehen werden. Gleicher-

maßen sind auch individuelle Effekte für den Koeffizienten β zu erwarten, da dieser

nach den statischen Erklärungsansätzen, wie z.B. gemäß (4.6), importlandspezifisch

sein dürfte. Da die individuellen Ausprägungen auch hier von Interesse sind, sind die

Effekte ebenfalls als fix zu modellieren. Bestehen also in (4.4) Heterogenitäten, so

sind sie als fixe Effekte zu betrachten. Das gilt ebenfalls für Modell (4.9) in ersten

Differenzen, nur dass bei diesem durch das Bilden der ersten Differenzen, die zeitin-

varianten individuellen fixen Effekte der Konstanten entfallen (HSIAO 2003: 6).

54 Der Hausman-Test erlaubt die Unterscheidung der beiden Fälle, indem darauf getestet wird, ob sich der OLS-Schätzer des Fixed-Effects- und der GLS-Schätzer des Random-Effects-Modells signifikant unterscheiden. Der Test wird bspw. von HSIAO (2003: 49-51) erläutert.

5 Methodik

61

5.1.2 Modelltests und Verletzungen der Annahmen

Die Notwendigkeit ein Fixed-Effects- oder Random-Effects-Modell zu schätzen,

wurde im vorausgehenden Kapitel 5.1.1 mit dem Vorliegen eines Heterogenitätsbias

erklärt. Das heißt, für die Entscheidung, ob ein gepooltes Modell oder eine der bei-

den Alternativen gewählt wird, muss als erstes auf Heterogenität getestet werden.

HSIAO (2003: 14ff) verweist hierzu auf einen Kovarianzanalysentest, der allerdings

einem regulären F-Test auf Parameterrestriktion entspricht. Soll bspw. in Modell

(5.3) auf individuell unterschiedliche Parameter β getestet werden, d.h.

S0: < = B = ⋯ = ,

so lautet die Teststatistik

= − Z − 1a ⁄ Z[ − Za + 1 − [ ⁄ . (5.7)

Dabei entspricht RSSr der Residuen-Quadrat-Summe des restringierten und RSSur

der des unrestringierten Modells, N der Anzahl Beobachtungsobjekte, T der Anzahl

Zeitpunkte und K der Anzahl Elemente des Parametervektors β. Ist F mit (N-1)K und

NT-N(K+1)-T Freiheitsgraden signifikant, ist das restringierte Modell abzulehnen

und ein unrestringiertes, also z.B. Fixed-Effects-Modell bzgl. β zu schätzen (ebenda:

18). Neben der korrekten Spezifikation des Modells soll noch auf zwei Annahmen in

Bezug auf den Fehlerterm uit eingegangen werden. So wurde bisher postuliert, dass

uit unabhängig und identisch verteilt ist. Diese Annahmen können auch als Homo-

skedastizität und Freiheit von Autokorrelation bezeichnet werden.

Liegt Heteroskedastizität vor, so verfügen die Fehler nicht mehr über eine konstante

Varianz σu2, was dazu führt, dass zum einen die Schätzer der Standardfehler verzerrt

und zum anderen die OLS-Schätzer der Regressionskoeffizienten nicht mehr effizi-

ent sind (HACKL 2005: 174). Zur Diagnose von Heteroskedastizität existieren mehre-

re Testverfahren, wie z.B. der Goldfeld-Quandt-Test oder der Breusch-Pagan-Test.

In dieser Arbeit soll der – in der verwendeten ökonometrischen Software Gretl im-

plementierte – White-Test verwendet werden. Dieser prüft die Nullhypothese

S0: WB = B + L, =.

Dafür werden die quadrierten Residuen der Ausgangsregression auf die unabhängi-

gen Variablen zuzüglich ihrer Quadrate und Produkte regressiert. Die Teststatistik

` = Z[ B (5.8)

5 Methodik

62

wird hierbei aus dem NT-fachen des Bestimmtheitsmaßes der Hilfsregression ge-

wonnen und ist unter der Nullhypothese asymptotisch Chi-Quadrat-verteilt, wobei

die Freiheitsgrade der Anzahl Koeffizienten der Hilfsregression (ohne Interzept) ent-

sprechen. Weist (5.8) auf Heteroskedastizität hin, so gibt es zwei Möglichkeiten die-

ser zu begegnen. Zum einen kann das Modell so transformiert55 werden, dass die

Fehler danach homoskedastisch sind und zum anderen kann bei der Bestimmung der

Schätzer der Standardfehler die Fehlerstruktur berücksichtigt werden. Aus letzterem

resultieren die sogenannten White-Standardfehler bzw. heteroskedasticity consistent

Schätzer der Standardfehler56 (HC-Schätzer) (ebenda: 181-184).

Von Autokorrelation wird gesprochen, wenn der Fehler eines betrachteten Zeitpunkts

von Fehlern in zurückliegenden Zeitpunkten abhängt. Dies führt dazu, dass die

Schätzer der OLS-Regressoren nicht mehr effizient sind und die Schätzer der Stan-

dardfehler je nach Vorzeichen der Korrelation unter- oder überschätzt werden. Zur

Diagnose von Autokorrelation kann bspw. der Breusch-Godfrey-Test eingesetzt wer-

den. Dabei wird für die Prüfgröße ein AR(m)-Prozess unterstellt mit

S0: < = B = ⋯ = = 0.

Die Teststatistik ist hierbei gegeben durch

LM = Z[ B, (5.9)

wobei der Ausdruck LM(A) darauf hinweist, dass es sich bei dem Breusch-Godfrey-

Test um einen Lagrange-Multiplier-Test gegen Autokorrelation handelt. Entspre-

chend (5.9) wird die Teststatistik dabei aus dem NT-fachen des Bestimmtheitsmaßes

der Hilfsregression (AR(m)-Prozess) gewonnen und ist asymptotisch Chi-Quadrat-

verteilt mit m Freiheitsgraden (HACKL 2005: 201). Wird Autokorrelation gemäß

(5.9) festgestellt, so können bspw. heteroskedasticity and autocorrelation consistent

Schätzer der Standardfehler (HAC-Schätzer) zur Anwendung kommen. Diese be-

rücksichtigen neben der Autokorrelation auch eine mögliche Heteroskedastizität der

Fehler. Aus der Klasse der HAC-Schätzer ist in Gretl der von ARELLANO (1987,

2003) für Fixed-Effects-Panelmodelle vorgeschlagene Schätzer implementiert. Es sei

55 Statt einer OLS-Schätzung des transformierten Modells kann auch eine GLS-Schätzung des Aus-gangsmodells vorgenommen werden; siehe hierzu HACKL (2005: 183ff). 56 STOCK & WATSON (2008) zeigen, dass die HC-Schätzer der Standardfehler im Falle der Anwen-dung in einem Fixed-Effects-Panelmodell inkonsistent sind – zumindest solange T endlich ist. Der von den Autoren entwickelte Schätzer ist allerdings nicht in Gretl implementiert. Stattdessen sind in Gretl die von BECK & KATZ (1995) vorgeschlagenen Panel-Corrected Standard Errors (PCSE) im-plementiert. Der entsprechende PCSE-Schätzer berücksichtigt kontemporäre Korrelationen über die Beobachtungsobjekte und Heteroskedastizität innerhalb der Beobachtungsobjekte.

5 Methodik

63

jedoch darauf hingewiesen, dass dieser inkonsistent ist für den Fall, dass N klein ist

und T große Werte annimmt (ARELLANO 2003: 18).

Zu einer möglichen Inkonsistenz des Arellano-Schätzers kommt noch die konstatier-

te Ineffizienz der OLS-Schätzer der Regressoren, die daraus resultiert, dass nicht die

wahre Fehlerstruktur zur Schätzung der Parameter genutzt wird (SCHRÖDER 2007:

270). Folglich scheint es zweckmäßig, eine Transformation des Modells zu erwägen,

so dass die Fehler des transformierten Modells unkorreliert sind. Hierzu bedarf es

allerdings der Kenntnis des Parameters ρ aus dem AR(1)-Prozess, der den Residuen

annahmegemäß zugrunde liegt; für ein endliches T ist der Schätzer für ρ jedoch ver-

zerrt (ebenda: 270). Als Ausweg bietet sich an, das betreffende Modell in ein dyna-

misches Modell umzuformulieren und somit dynamische Anpassungen der abhängi-

gen Variable zuzulassen.

Ein dynamisches Panelmodell hat bspw. im Fixed-Effects-Fall die Form von (5.3),

nur dass als zusätzliche unabhängige Variable die um eins verzögerte abhängige Va-

riable yit-1 aufgenommen wird. Der zugehörige Koeffizient sei dabei als γ bezeichnet.

Problematisch ist allerdings, dass der OLS-Schätzer von γ inkonsistent ist, solange

ein endliches T vorliegt. Dabei ist es irrelevant, ob die Effekte als fix oder zufällig

betrachtet werden (HSIAO 2003: 69ff). Demzufolge müssen vorab die ersten Diffe-

renzen des Modells gebildet werden57, um auf diese Weise die individuellen zeitinva-

rianten Effekte aus dem Modell zu eliminieren. Dadurch ergibt sich (5.3) zu

W − W-< = γW-< − W-B + ^W − ^W-< + W − W-< + bW − bW-< ⟹ Δ W = h Δ W-< + Δ ^W + Δ W + Δ bW. (5.10)

Modell (5.10) verfügt nun über eine Moving-Average Fehlerstruktur. Ferner offen-

bart (5.10), dass ∆yit-1 und ∆uit miteinander korreliert sind, da yit-1 von uit-1 abhängt

(SCHRÖDER 2007: 271). Somit kann ∆yit-1 also nicht mehr als exogen betrachtet wer-

den und muss instrumentiert werden (vgl. Kap. 5.2). Als Instrumente schlägt HSIAO

(2003: 85f) sowohl yit-2, als auch ∆yit-2 vor, da beide mit ∆yit-1 korreliert sind, jedoch

unkorreliert sind mit ∆uit.

Gelingt es durch die Zulassung dynamischer Anpassungen die Autokorrelation im

Modell zu beseitigen, können bei anhaltender Heteroskedastizität die PCSE von

BECK & KATZ (1995) zum Einsatz kommen. Gelingt dies nicht, so muss auf den

Arellano-Schätzer zurückgegriffen werden.

57 Wird statt dem Grundmodell (4.4) von Knetter bereits das Modell (4.9) in ersten Differenzen ge-wählt, entfällt dieser Schritt selbstverständlich.

5 Methodik

64

5.2 Endogenität & Mehrgleichungsmodelle

5.2.1 Endogenität der Regressoren und IV-Schätzer

Eine Grundannahme der Regressionsanalyse ist es, dass die Regressoren eines Mo-

dells exogen sind und somit tatsächlich unabhängige Variablen darstellen. Dagegen

können durch das Modell bestimmte Variablen als endogen bezeichnet werden. Der

Begriff der Endogenität geht jedoch noch weiter und steht im Allgemeinen für eine

Korrelation zwischen einem oder mehreren Regressoren und dem Fehlerterm. Als

primäre Gründe für dieses Phänomen nennt WOOLDRIDGE (2002: 50)

- das Auslassen von signifikanten unabhängigen Variablen, die mit einer oder

mehreren im Modell befindlichen unabhängigen Variablen korreliert sind,

- die Existenz eines zufälligen Messfehlers bei einer oder mehreren unabhängi-

gen Variablen und

- das Auftreten von Simultanität, d.h. ein oder mehrere vermeintlich unabhän-

gige Variablen werden simultan mit der abhängigen Variable determiniert.

Letzteres wird in der Literatur auch oft als Endogenität im klassischen Sinne be-

zeichnet und ist Ursache der vorliegenden Endogenität der zu schätzenden residualen

Nachfragefunktion aus (4.21). Das heißt, in (4.21) ist u.a. der Preis als Funktion der

Menge abgetragen. Ebenso könnte allerdings die Menge als Funktion des Preises

dargestellt werden. Beide Größen sind voneinander abhängig, also endogen, und

werden simultan bestimmt. Nimmt bspw. der Fehler in (4.21) einen positiven Wert

an, weist dadurch auch der Preis einen tendenziell höheren Wert auf. Dies beeinflusst

wiederum die Menge und somit sind Fehlerterm und Regressor korreliert.

Die Folge einer solchen Korrelation sind verzerrte und inkonsistente OLS-Schätzer

aller Regressionskoeffizienten des Modells58. Liegt Endogenität im Modell vor, soll-

te somit auf die Instrumentvariablen-Schätzung (IV-Schätzung) zurückgegriffen

werden. Die Grundidee dabei ist es, die mit dem Fehlerterm korrelierten Regressoren

teilweise durch solche zu ersetzen, die a) nicht in der Ausgangsgleichung auftauchen,

b) unkorreliert sind mit dem Fehlerterm und c) partiell mit dem Ausgangsregressor

korreliert sind, nachdem der Einfluss der anderen exogenen Variablen berücksichtigt

wurde (ebenda: 83f, VON AUER 2007: 448). Eine Variable z1, die diese Bedingungen

erfüllt, stellt somit ein IV-Kandidat bzw. ein Instrument für einen endogenen Aus-

gangsregressor, bspw. in Form von xK, dar. Was mit einem „teilweisen Ersetzen“ 58 Obwohl weder eine intertemporäre noch eine kontemporäre Korrelation zwischen Regressoren und Fehlerterm vorliegen sollte, sind bei ersterer die OLS-Schätzer noch konsistent, wenn auch verzerrt. Lediglich bei letzterer sind die OLS-Schätzer verzerrt und inkonsistent (VON AUER 2007: 434ff).

5 Methodik

65

gemeint ist, soll im Folgenden anhand eines Vergleichs zwischen OLS-Schätzer und

IV-Schätzer des Modells

£ = ¤ + ¥ (5.11)

illustriert werden. Dabei ist y ein (N × 1)-Vektor von N Beobachtungen der abhängi-

gen Variablen, X = (1, x2, …, xK) eine (N × K)-Matrix von Beobachtungen der K-1

unabhängigen Variablen plus Konstante, β ein (K × 1)-Vektor von Parametern und u

ein (N × 1)-Vektor von Fehlern, für die gilt, dass sie unabhängig und identisch ver-

teilt sind mit einem Mittelwert von null und einer Varianz von σu2. Der OLS-

Schätzer für das in (5.11) spezifizierte Modell lautet

¦§¨© = ¤′¤;<¤′£. (5.12)

Ist die Variable xK des Modells endogen, so ist (5.12) nicht konsistent und der ent-

sprechende IV-Schätzer

¦ª« = n′¤;<n′£ (5.13)

sollte zum Einsatz kommen, wobei Z = (1, x2, …, xK-1, z1) eine (N × K)-Matrix von

Beobachtungen aller exogenen Variablen ist. Obwohl zuvor nur von z1 als Instru-

ment für xK gesprochen wurde, werden die exogenen Variablen in Z auch als volle

Liste von Instrumenten bezeichnet. Da die Variablen x2, …, xK-1 in der Ausgangs-

gleichung nicht mit dem Fehler korreliert waren, fungieren sie als Instrument für sich

selbst (WOOLDRIDGE 2002: 83ff). Gleichung (5.13) zeigt, dass zur Bestimmung des

IV-Schätzers sowohl die Matrix X mit den Beobachtungen der Ausgangsvariablen

als auch die Matrix Z genutzt wird. Entsprechend wird die endogene Variable nur

zum Teil ersetzt. Es sei jedoch angemerkt, dass der IV-Schätzer zwar konsistent ist,

aber einen sogenannten Finite-Sample Bias aufweist. Ferner gehen mit einer Instru-

mentierung immer schlechtere Charakteristika der Modellanpassung einher. Auch die

Varianz des IV-Schätzers ist stets höher als die des OLS-Schätzers, wobei sie sich

mit steigender Korrelation von endogener Variable und Instrument der Varianz des

OLS-Schätzers annähert (VON AUER 2007: 448ff).

Bisher wurde nur der Fall einer Instrumentvariable (bei einer endogenen Variable)

betrachtet, d.h. die Gleichung war genau identifiziert. Existieren mehrere Instrumen-

te, kann dadurch die Effizienz des IV-Schätzers erhöht werden. Da die entsprechende

Gleichung aber überidentifiziert ist, muss dazu auf eine 2SLS-Schätzung ausgewi-

chen werden, die u.a. im folgenden Kapitel vorgestellt wird.

5 Methodik

5.2.2 Mehrgleichungsmodelle

Sind mehrere zu schätzende

mehr als Einzelgleichungen geschätzt, sondern stattdessen

delle zurückgegriffen werden. Solche

weder aus Endogenität oder

gen resultieren. Für den ersten Fall wurde bereits ausgeführt, dass endogene Varia

len als Regressoren auftreten.

zelgleichungen auf, so kann

Zum letzten Fall kommt es

punkten von „[…] allgemeinen ökonomischen Bedingungen […] in gleicher We

beeinflusst werden, ohne dass diese explizit als erklärende Größen in den Gleichu

gen modelliert sind“ (SCHLICHTHORST

temporäre Korrelation oder beides vorliegt

optimal anzusehen; Abbildung 5.1 gibt diesbezüglich einen Überblick.

Abbildung 5.1: Charakteristika


Es kann an dieser Stelle vorweggenommen werden, dass für die residuale Nachfrag

funktion aus (4.21) sowohl Endogenität als auch kontemporäre Korrelation zu ve

muten sind. Ersteres liegt

und Menge begründet, letzteres resultiert aus gemeinsamen ökonomischen Bedi

gungen bei residualen Nachfragefunktionen verschiedener Länder. Dennoch soll im

Folgenden ein genereller Überblick über die in Abbildung 5.1 verzei

verfahren gegeben werden. Angefangen werden soll dabei mit den Verfahren

denen Endogenität, aber keine kontemporäre Korrelation vorliegt.

Mehrgleichungsmodelle

Sind mehrere zu schätzende Gleichungen miteinander verbunden, sollten

s Einzelgleichungen geschätzt, sondern stattdessen auf Mehrgleichungsm

delle zurückgegriffen werden. Solche Verbindungen von Gleichungen können en

oder kontemporärer Korrelation der Residuen der Gleichu

gen resultieren. Für den ersten Fall wurde bereits ausgeführt, dass endogene Varia

len als Regressoren auftreten. Tauchen die gleichen Variablen in verschiedenen Ei

zelgleichungen auf, so kann für diese ein Mehrgleichungsmodell geschätzt werden.

kommt es hingegen, wenn mehrere Gleichungen zu gleichen Zei

punkten von „[…] allgemeinen ökonomischen Bedingungen […] in gleicher We

beeinflusst werden, ohne dass diese explizit als erklärende Größen in den Gleichu

CHLICHTHORST 2007: 218). Je nachdem, ob Endogenität, ko

temporäre Korrelation oder beides vorliegt, sind verschiedene Schätzverfahren als

nzusehen; Abbildung 5.1 gibt diesbezüglich einen Überblick.

Charakteristika eines Systems und optimale Schätzer

Quelle: Eigene Darstellung nach SCHLICHTHORST (2007: 221)

Stelle vorweggenommen werden, dass für die residuale Nachfrag

funktion aus (4.21) sowohl Endogenität als auch kontemporäre Korrelation zu ve

liegt, wie bereits ausgeführt, in der Beziehung zwischen Preis

und Menge begründet, letzteres resultiert aus gemeinsamen ökonomischen Bedi


Folgenden ein genereller Überblick über die in Abbildung 5.1 verzeichneten Schät

verfahren gegeben werden. Angefangen werden soll dabei mit den Verfahren

aber keine kontemporäre Korrelation vorliegt.

66

Gleichungen miteinander verbunden, sollten diese nicht

auf Mehrgleichungsmo-

Verbindungen von Gleichungen können ent-

der Residuen der Gleichun-

gen resultieren. Für den ersten Fall wurde bereits ausgeführt, dass endogene Variab-

ablen in verschiedenen Ein-

ein Mehrgleichungsmodell geschätzt werden.

, wenn mehrere Gleichungen zu gleichen Zeit-

punkten von „[…] allgemeinen ökonomischen Bedingungen […] in gleicher Weise

beeinflusst werden, ohne dass diese explizit als erklärende Größen in den Gleichun-

ob Endogenität, kon-

sind verschiedene Schätzverfahren als

Stelle vorweggenommen werden, dass für die residuale Nachfrage-

funktion aus (4.21) sowohl Endogenität als auch kontemporäre Korrelation zu ver-

in der Beziehung zwischen Preis

und Menge begründet, letzteres resultiert aus gemeinsamen ökonomischen Bedin-


chneten Schätz-

verfahren gegeben werden. Angefangen werden soll dabei mit den Verfahren, bei

5 Methodik

67

Zur Illustrierung der Methode der Indirekten Kleinsten Quadrate (ILS) sei ange-

nommen, dass sowohl eine Angebots- als auch eine Nachfragefunktion geschätzt

werden soll. Beide Gleichungen sind für sich genommen mit OLS nicht konsistent zu

schätzen, da jeweils eine endogene Variable als Regressor auftaucht, der Preis. Gene-

rell werden so viele Gleichungen benötigt, wie endogene Variablen vorhanden sind

(HACKL 2005: 333). Da Angebot und Nachfrage im Gleichgewicht einander entspre-

chen, ist dies hier mit zwei endogenen Variablen und zwei Gleichungen erfüllt. Wer-

den diese beiden Gleichungen als solche ausgeschrieben, spricht man auch von der

sogenannten Strukturform. Diese kann im System dargestellt werden als ¬£W = ®W + ¥W. (5.14)

Dabei ist yt ein (M × 1)-Vektor von M abhängigen bzw. endogenen Variablen zum

Zeitpunkt t, zt ein (K × 1)-Vektor von K exogenen Variablen59, A eine (M × M)-, Γ

eine (M × K)-Parametermatrix und ut ein (M × 1)-Vektor von Fehlern, für die die zu

(5.11) genannten Annahmen gelten (HACKL 2005: 337f). Ist Matrix A invertierbar,

so kann durch Multiplikation der Gleichung (5.14) von links mit A-1 £W = ¯®W + °W (5.15)

gewonnen werden, wobei Π = A-1Γ und vt = A-1ut. Gleichung (5.15) wird auch als

reduzierte Form bezeichnet, da jede endogene Variable in Abhängigkeit der exoge-

nen Variablen dargestellt wird (ebenda: 338). Gleichung (5.15) kann sowohl im Sys-

tem (wie dargestellt) als auch in Einzelgleichungen mit OLS geschätzt werden. Al-

lerdings sind nicht die dadurch ermittelten Parameter der reduzierten Form, sondern

die der Strukturform von primärem Interesse. Letztere können jedoch aus den Para-

metern der reduzierten Form berechnet werden, wenn die einzelnen Gleichungen des

Gleichungssystems (5.14) genau identifiziert sind (VON AUER 2007: 539f).

Ob eine Gleichung identifiziert ist oder nicht, lässt sich mit dem Ordnungskriterium

als notwendige und dem Rangkriterium60 als hinreichende Bedingung überprüfen.

Eine Gleichung ist gemäß dem Ordnungskriterium genau identifiziert, wenn die An-

zahl der exogenen Variablen des Systems, die nicht in der Gleichung auftauchen, der

um eins verminderten Anzahl der endogenen Variablen der Gleichung entspricht. Ist

die Anzahl der entsprechenden exogenen Variablen kleiner, so ist die Gleichung un-

teridentifiziert, ist sie größer, so ist die Gleichung überidentifiziert (ebenda: 544). 59 Als exogene Variablen können sowohl strikt exogene Variablen als auch verzögerte endogene Vari-ablen, die auch als vorherbestimmte Variablen bezeichnet werden, dienen (HACKL 2005: 333). 60 Das Rangkriterium prüft, ob sich für die Gleichung eine äquivalente Linearkombination der übrigen Gleichungen finden lässt und ist bspw. bei HACKL (2005: 342f) beschrieben.

5 Methodik

68

Die ILS-Schätzung ist somit nicht anwendbar, wenn die Gleichungen nicht genau

identifiziert sind. Zwar kann die Gleichung reduzierter Form geschätzt, nicht aber die

Parameter der Strukturform bestimmt werden. Sind die Gleichungen überidentifiziert

und somit für die Parameter der Strukturform keine eindeutige Lösung zu finden,

kann die zweistufige Kleinste Quadrate Schätzung (2SLS-Schätzung) herangezogen

werden. Diese stellt eine spezielle Variante der IV-Schätzung dar.

Wie bei der IV-Schätzung ist das Ziel der 2SLS-Schätzung, die mit dem Fehlerterm

korrelierten Regressoren entsprechend den Ausführungen in Kapitel 5.2.1 zu erset-

zen. Da nun allerdings mehrere Instrumente vorliegen, gilt es, eine lineare Kombina-

tion dieser zu finden, die möglichst hoch mit dem Ausgangsregressor korreliert ist.

Während dies für einen exogenen Regressor lediglich er selbst ist, wird für einen

endogenen Regressor diese Linearkombination durch dessen Regression auf die volle

Liste von Instrumenten61 erreicht (WOOLDRIDGE 2002: 90). In der Ausgangsglei-

chung wird daraufhin der endogene Regressor durch den angepassten Wert der Hilfs-

regression ersetzt. Damit lautet der 2SLS-Schätzer des Ausgangsmodells

¦B©¨© = ¤¦′¤¦;<¤¦′£. (5.16)

Somit muss also in der ersten Stufe der SLS-Schätzung eine Hilfsregression ge-

schätzt werden, dessen angepasste Werte dann in der zweiten Stufe für die Werte der

Ausgangsregressoren eingesetzt werden. Der 2SLS-Schätzer aus (5.16) wird von

HACKL (2005: 256) auch als Verallgemeinerter IV-Schätzer (GIV-Schätzer) bezeich-

net und entspricht – mit der Ausnahme, dass ihm eine Matrix der angepassten Werte

zugrunde liegt62 – dem OLS-Schätzer. Die Varianz des 2SLS-Schätzers kann jedoch

nicht auf die gleiche Weise wie die des OLS-Schätzers ermittelt werden. Der 2SLS-

Schätzer ist konsistent und stellt den effizientesten IV-Schätzer dar. Wird die 2SLS-

Schätzung auf eine genau identifizierte Gleichung angewendet, so entsprechen die

geschätzten Koeffizienten denen der ILS-Schätzung und bei einem Instrument auch

denen der IV-Schätzung (ebenda: 90ff, VON AUER 2007: 545ff).

Auch wenn keine Endogenität vorliegt, so können dennoch mehrere Gleichungen –

sogar mit unterschiedlichen Regressoren – über kontemporäre Korrelation der Resi-

duen bzw. Fehler verbunden sein. In einem solchen Fall spricht man von einem

scheinbar unverbundenen Regressionsmodell (SUR-Modell), dessen Schätzung über 61 Gemeint sind alle exogenen Variablen, d.h. die für den endogenen Regressor ausgewählten Instru-mente plus alle exogenen Regressoren der Ausgangsregression. Im Sinne der Ausführungen zur ILS-Schätzung stellt dies die Gleichung reduzierter Form zum entsprechenden endogenen Regressor dar. 62 Für exogenen Variablen gilt jedoch = ±.

5 Methodik

69

OLS nicht effizient wäre, da nicht alle Informationen zur Schätzung genutzt werden.

Ein SUR-Modell kann als System dargestellt werden gemäß

²£W = W + ¥W. (5.17)

Dabei ist yt ein (M × 1)-Vektor von M abhängigen Variablen zum Zeitpunkt t, xt ein

(K × 1)-Vektor von K exogenen Variablen aller Einzelgleichungen, B eine (M × M)-,

Γ eine (M × K)-Parametermatrix und ut ein (M × 1)-Vektor von Fehlern, für die die

zu (5.11) genannten Annahmen gelten (SCHLICHTHORST 2007: 222).

Eines der wesentlichen Kennzeichen von (5.17) ist, dass es sich bei der Matrix B –

im Gegensatz zur Matrix A aus (5.14) – um eine Diagonalmatrix, präziser, um eine

Einheitsmatrix handelt. Das heißt, in jeder Gleichung des Systems taucht nur eine

endogene Variable und zwar als abhängige Variable auf. Ein zweites wesentliches

Kennzeichen ist, dass es sich bei der Varianz-Kovarianz-Matrix Σ von ut nicht um

eine Diagonalmatrix handelt und somit kontemporäre Korrelationen zwischen den

Fehlern der einzelnen Gleichungen auftreten. Weder eine OLS-Schätzung der Ein-

zelgleichungen noch des Gleichungssystems berücksichtigt diese (ebenda: 222).

Stattdessen bedarf es der Schätzung des Systems mit Verallgemeinerten Kleinsten

Quadraten (GLS). Wird (5.17) für T Beobachtungen in Matrixform als £³ = ¤³³ + ¥³

geschrieben63, so ist der GLS- bzw. SUR-Schätzer gegeben durch

³¦©´4 = ¤³′µ;<¤³ ;<¤³′µ;<£³. (5.18)

Dabei ist ββββ· ein (K × 1)-Vektor von Parametern, yyyy· ein (MT × 1)-Vektor von T Be-

obachtungen M abhängiger Variablen, XXXX· eine (MT × K)-Matrix von T Beobachtun-

gen bei M Einzelgleichungen und der Summe von K exogenen Variablen aller Glei-

chungen und uuuu· ein in (MT × 1)-Vektor von Fehlern, für die die zu (5.11) genannten

Annahmen gelten; weiterhin sei µ = » ⊗ ½¾. Somit entspricht (5.18) dem durch die

Varianz-Kovarianz-Matrix der Fehler (V) gewichteten OLS-Schätzer. Da die Matrix

V allerdings nicht bekannt ist, muss sie aus den Residuen einer OLS-Schätzung des

Systems geschätzt werden, wobei auch von feasible GLS gesprochen wird und eben-

falls iterative Verfahren Anwendung finden können (HACKL 2005: 350f).

Festzuhalten ist, dass der Effizienzgewinn, der durch die SUR- gegenüber der OLS-

Schätzung erreicht wird, umso größer ist, je mehr die Fehler und je weniger die Reg-

ressoren der Einzelgleichungen korrelieren (ebenda: 351f). 63 Die dargestellten Vektoren und die Matrix des Modells wurden mit Überstrichen versehen, um hervorzuheben, dass es sich im Gegensatz zu einer Einzelgleichung in Matrixform wie in (5.11) um die Darstellung eines Systems mit M verschiedenen Gleichungen handelt (vgl. HACKL 2005: 335).

5 Methodik

70

Herrscht sowohl Endogenität als auch kontemporäre Korrelation vor, so kann eine

dreistufige Kleinste Quadrate Schätzung (3SLS-Schätzung) erfolgen64. Das Verfah-

ren ist im Prinzip eine Kombination der 2SLS- und SUR-Schätzung. Das heißt, die

ersten zwei Stufen der 3SLS-Schätzung entsprechen denen der 2SLS-Schätzung,

wobei mit den Residuen der zweiten Stufe die Matrix V geschätzt wird. Damit kann

als dritte Stufe eine Gewichtung des Schätzers der zweiten Stufe erfolgen. Eine Itera-

tion des Verfahrens in der dritten Stufe, wie beim SUR-Modell, bringt i.d.R. aller-

dings keinen Effizienzgewinn (SCHLICHTHORST 2007: 226f).

Solange alle Einzelgleichungen identifiziert sind, ist der 3SLS-Schätzer konsistent

und auch effizient. Sind ferner alle Einzelgleichungen genau identifiziert und liegt

keine kontemporäre Korrelation vor, so stimmen 2SLS-Schätzer und 3SLS-Schätzer

überein (HACKL 2005: 361).

5.2.3 Modelltests

Vorausgehend wurde ausgeführt, dass die Wahl des Schätzverfahrens primär durch

das Auftreten von Endogenität und kontemporärer Korrelation bedingt ist. Somit

muss ein Modell auf beides getestet werden. Mittels des Hausman-Tests kann die

Exogenität von Regressoren überprüft werden; die Nullhypothese lautet hierbei

S0 : plim[;<¤′¥ = ,

wobei „plim“ den Wahrscheinlichkeitsgrenzwert markiert und X eine Matrix von

Beobachtungen K potenziell endogener Variablen ist (VON AUER 2007: 453, 477).

Die entsprechende Teststatistik ist gegeben durch

[À = ¦ª« − ¦§¨©′ÁÂ¦¦ª« − Â¦¦§¨©Ã;<¦ª« − ¦§¨©. (5.19)

Dabei markiert V(·) die Varianz-Kovarianz-Matrix des jeweiligen Schätzers. Somit

bildet (5.19) die Differenz zwischen OLS- und IV-Schätzer ab. Eine große Differenz

weist auf eine Verzerrung des OLS-Schätzers hin und führt über einen hohen Wert

der Teststatistik zum Ablehnen der Nullhypothese, unter welcher die Teststatistik

asymptotisch Chi-Quadrat-verteilt ist mit K Freiheitsgraden. Wird die Nullhypothese

abgelehnt, liegt Endogenität vor (ebenda: 454, 477).

Liegt Endogenität im Modell vor, so können die Instrumente – im Falle der Über-

identifikation des Modells – auf Exogenität geprüft werden; dies geschieht mit dem

64 Neben den vorgestellten Schätzverfahren können auch Maximum-Likelihood-Schätzungen bei be-schränkter oder voller Information stattfinden; letztere ist eine Alternative zur 3SLS-Schätzung.

5 Methodik

71

Sargan-Test. Die Nullhypothese postuliert hierbei u.a., dass die Instrumente nicht mit

den Fehlern korreliert sind und lautet

S0 : plim[;<n¥ = plim[;<n′¤ = Än¤ , rangÄn¤ = a, plim[;<n′n = Änn , rangÄnn G a.

In der Nullhypothese werden weiterhin einige grundlegende Eigenschaften der IV-

Matrix Z gefordert, wie z.B. dass die Instrumente und K endogenen Variablen korre-

liert sind und dass die Beziehungen gegen feste Grenzwerte konvergieren (HACKL

2005: 261). Die Teststatistik ist gegeben durch

[© = ¥±′Èn¥±ÉB (5.20)

mit der Projektionsmatrix Èn = nn′n;<n′, was zeigt, dass die Fehler u, die den

Residuen der 2SLS-Schäzung entsprechen, auf alle exogenen Variablen regressiert

werden. Weiterhin stellt B = [;<¥±′¥± die Fehlervarianz dar. Unter der Nullhypothe-

se ist die Teststatistik asymptotisch Chi-Quadrat-verteilt mit q Freiheitsgraden, wo-

bei q die Anzahl endogener Variablen abzüglich der Anzahl IV ist. Wird die Nullhy-

pothese abgelehnt, sind die gewählten Instrumente nicht valide (ebenda: 261).

Zur Diagnose kontemporärer Korrelation der Fehler verschiedener Einzelgleichun-

gen kann der einem LM-Test entsprechende Breusch-Pagan-Test genutzt werden.

Die Nullhypothese dabei lautet

S0: Ê = 0 +Ë, ℎ ≠ Ë

und postuliert somit, dass die Kovarianz der Fehler zwischen der g-ten und h-ten

Gleichung gleich null ist (SCHLICHTHORST 2007: 223). Die Teststatistik

LMÍ = [ : : ÎÊBÊ;<D<

ÏÊDB (5.21)

summiert die quadrierten Korrelationskoeffizienten (r) zwischen den G Einzelglei-

chungen auf und ist unter der Nullhypothese asymptotisch Chi-Quadrat-verteilt mit

G(G-1)/2 Freiheitsgraden. Wird die Nullhypothese abgelehnt, so ist kontemporäre

Korrelation vorhanden (ebenda: 223).

In Kapitel 5.2.1 wurde ausgeführt, dass ein geeignetes Instrument (bzw. mehrere)

u.a. zu einem möglichst hohem Grade mit dem zu ersetzenden endogenen Ausgangs-

regressor korreliert sein sollte. Dies gilt sowohl für die IV- als auch für die 2SLS-

5 Methodik

72

Schätzung. Ist dies nicht der Fall, liegt also nur eine schwache Korrelation vor, wird

auch von schwachen Instrumenten gesprochen (MURRAY 2006).

Problematisch sind gleich zwei Folgen schwacher Instrumente. Die erste Folge ist

ein höherer Finite-Sample Bias in den IV- und 2SLS-Schätzungen65. Selbst bei grö-

ßeren Stichproben kann die Verzerrung der Schätzer noch enorm sein, wenn die ge-

wählten Instrumente nur gering mit dem Ausgangsregressor korreliert sind (ebenda:

23f). Die Erhöhung des Finite-Sample Bias wird noch verstärkt, wenn die Instrumen-

te – sei es auch nur schwach – mit den Fehlern korreliert, also im Sinne des Sargan-

Tests nicht valide sind (ebenda: 33f). Die zweite Folge ist eine Verzerrung der

Schätzer der Standardfehler; diese werden bei schwachen Instrumenten unterschätzt.

Folglich wird im geschätzten Modell zu oft die Nullhypothese abgelehnt, dass der

wahre Koeffizient der instrumentierten Variable gleich null ist (ebenda: 24).

Zur Diagnose von schwachen Instrumenten kann der Stock-Yogo-Test verwendet

werden. Die Nullhypothese hierbei lautet

S0: Die Instrumente sind schwach.

Als Teststatistik dient die F-Statistik eines entsprechenden F-Tests in der ersten Stu-

fe. Dabei wird jedoch nicht die Signifikanz der gesamten Hilfsregression (1. Stufe)

getestet, sondern auf die gemeinsame Signifikanz der eigentlichen Instrumente, d.h.

der exogenen Variablen, die nicht im Ausgangsmodell vertreten sind (ebenda: 25).

Da unterschiedliche theoretische F-Werte benötigt werden, je nachdem welche der

oben genannten Folgen im Fokus steht, existieren zwei Gruppen von kritischen Wer-

ten, deren Höhe jeweils von der Anzahl der Instrumente anhängt. Bei der ersten

Gruppe wird die Nullhypothese getestet, dass das wahre Signifikanzlevel unter 10%,

15%, 20% oder 25% liegt, wenn das angegebene Level (bzw. der p-Wert) bei 5%

liegt. Im Falle der zweiten Gruppe kritischer Werte postuliert die Nullhypothese,

dass die Verzerrung des 2SLS-Schätzers größer ist als 10%, 15%, 20% oder 30% der

Verzerrung des OLS-Schätzers (ebenda: 25f). Der 2SLS-Schätzer ist also tendenziell

in Richtung des OLS-Schätzers verzerrt, wobei der Erwartungswert von ersterem

dem Wahrscheinlichkeitsgrenzwert von letzterem entspricht, wenn die Instrumente

mit dem endogenen Ausgangsregressor unkorreliert sind (HÜBLER 2003: 6).

Neben den beschriebenen Testverfahren kann gemäß Kapitel 5.1.3 ebenfalls auf Au-

tokorrelation und Heteroskedastizität getestet werden.

65 Eine höhere Anzahl von Instrumenten führt ebenfalls zu einem höheren Finite-Sample Bias (MUR-

RAY 2006: 23).

6 Auswertung

73

6 Auswertung

Da in den vorausgehenden Kapiteln sowohl ökonomische als auch methodische

Grundlagen gelegt wurden, kann im Folgenden die Anwendung des PTM-Ansatzes

und des Residual-Demand-Ansatzes auf den Milchmarkt erfolgen. Entsprechend der

Überlegungen zu einer möglichen Marktmacht Fonterras in Kapitel 2.5 stehen hier-

bei die neuseeländischen Exporte im Fokus.

6.1 PTM-Ansatz

6.1.1 Datengrundlage

Wie in Kapitel 4.2 ausgeführt wurde, werden zur Schätzung des Knetter-Modells die

Exportpreise des zu untersuchenden Exportlandes in Form von Unit Values und die

WK zwischen Exportland und dem Zielland der Exporte benötigt (in Einheiten der

Importeur-Währung pro Einheit Exporteur-Währung). Speziell die Unit Values sind

jedoch, zumindest für Neuseeland, nicht frei verfügbar. Hierzu wurde auf einen (aus

Studiengebühren finanzierten) Zugang zur Handelsdatenbank Global Trade Atlas

(GTA) der Global Trade Information Services (GTIS) zurückgegriffen. Der GTA

erlaubt einen Einblick in alle bilateralen Handelsströme, sowohl als Handelsmengen

als auch -volumen, auf monatlicher Basis und ermöglicht somit die Berechnung von

Unit Values. Die entsprechenden Daten stehen für Neuseeland ab 1996 zur Verfü-

gung. Als zu untersuchende Märkte wurden dabei diejenigen der Milcherzeugnisse

MMP (HS 040210), VMP66 (HS 040221) und Butter (HS 040510) ausgewählt, da sie

als klassische Märkte etabliert sind, die Produkte eng spezifiziert und somit mög-

lichst homogen sind (Commodities) sowie in ausreichenden Mengen gehandelt wer-

den. Weiterhin zeigte bereits Abbildung 2.1, dass die genannten Produkte rund 49%

des internationalen Handels mit haltbaren Milcherzeugnissen ausmachen.

Bei der Auswahl der zu betrachtenden Zielländer neuseeländischer Exporte war das

wichtigste Ziel, eine möglichst hohe Güte der Unit Values als Maß für die jeweiligen

Preise sicherzustellen. Infolgedessen wurden die Länder mit der höchsten Gesamt-

menge an Importen im Beobachtungszeitraum67 1996 - 2009 gewählt, die gleichzei-

tig möglichst kontinuierlich importierten. Das heißt, es wurde eine lückenlose monat-

liche Datenbasis angestrebt oder zumindest minimale Lücken in den Monatsdaten

und lückenlose Quartalsdaten. Dies erfüllten 21 von insgesamt über 150 Zielländern.

66 Der HS Code 040229 für VMP wurde aufgrund einer höheren Heterogenität nicht mit einbezogen. 67 Bei Quartalsdaten standen T = 54 und bei Jahresdaten T = 13 Beobachtungen zur Verfügung.

6 Auswertung

74

Auch wenn die selektive Auswahl der importierenden Länder die Güte der Unit Va-

lues sicherstellt, so liegt damit jedoch keine Zufallsauswahl mehr vor. Insofern kann

aus der Stichprobe nicht auf die verbleibenden Länder geschlossen werden; so könn-

te eine Preisdiskriminierung z.B. insbesondere bei den Ländern vorliegen, die nur

unregelmäßig nachfragen oder geringe Mengen abnehmen. Allerdings ist ebenfalls

zu vermerken, dass durch die Stichprobe ein Großteil der neuseeländischen Exporte

bei den jeweiligen Produkten abgedeckt wird (vgl. Tabelle 6.1).

Die weiterhin für das Knetter-Modell benötigten Wechselkurse wurden aus dem

Agricultural Exchange Rate Data Set des Economic Research Service (ERS) des

United States Department of Agriculture (USDA) entnommen. Als ursprüngliche

Quelle werden dabei die International Financial Statistics des International

Monetary Fund (IMF) genannt. Die Zusammenstellung des ERS bietet aber den Vor-

teil, dass bereits monatliche oder jährliche Frequenzen gebildet wurden und sowohl

nominale als auch reale WK verfügbar sind. Bei der Auswahl der 21 importierenden

Länder wurde beachtet, dass ausreichende Schwankungen in den WK der importie-

renden Länder gegenüber Neuseeland gegeben waren (vgl. KNETTER 1993: 477).

6.1.2 Beschreibung der Stichprobe & grafische Analyse

Es wurde bereits ausgeführt, dass sich die Stichprobe der Zielländer nach den Krite-

rien der importierten Mengen und einer lückenlosen Datenbasis richtete. Die vor

diesem Hintergrund ausgewählten Länder sind in Tabelle 6.1 aufgelistet. Dabei wird

erkennbar, dass bei MMP 13, bei VMP 14 und bei Butter 16 Länder den Kriterien

entsprachen. Der Großteil der Länder erfüllt bei zwei oder sogar allen drei Produkten

die Auswahlkriterien und nimmt somit eine größere Rolle als Ziel neuseeländischer

Exporte ein. Allerdings müssen die neuseeländischen Exporte nicht zwangsläufig bei

allen Produkten eines Ziellandes die gleiche Bedeutung aufweisen.

Um einen Eindruck über die Bedeutung der einzelnen Zielländer für Neuseeland und

umgekehrt zu bekommen, sind in Tabelle 6.1 der Anteil der Exporte, die auf das je-

weilige Zielland fallen, der Anteil dieser Exporte an den Importen des Landes und

der Selbstversorgungsgrad (SVG) bei Milch verzeichnet. Die letzten beiden Kenn-

zahlen sollen dabei als Maße für aus- und inländische Konkurrenz im Zielland die-

nen und somit eine möglicherweise vorhandene Dominanz Neuseelands im betrach-

teten Land aufdecken. Eine solche würde Preisdiskriminierung im jeweiligen Land

gegenüber anderen Ländern zumindest erleichtern.

6 Auswertung

75

Tabelle 6.1: Charakteristika der ausgewählten Importländer68

SVG

MMP VMP Butter MMP VMP Butter Milch MMP VMP Butter

Ägypten 7% 45% 93% -24%

Australien 1,7% 3% 93% 95% 144% -10% 4%

Belgien/EU 17% 93% 108% 7%

China 7% 8% 1,6% 48% 84% 71% 95% -1,1% -6% 3%

El Salvador 1,9% 41% n.v. 1,3%

Hongkong 2% 1,6% 60% 46% n.v. 10% 16%

Indonesien 8% 5% 0,7% 28% 48% 35% 45% 5% -4% 9%

Japan 6% 24% 83% -5%

Kanada 3% 1,4% 93% 50% 96% -7% -7%

Malaysia 10% 7% 0,9% 42% 43% 47% 3% 4% 4% 16%

Marokko 3% 21% 84% -11%

Mexiko 4% 6% 0,4% 9% 75% 31% 82% 10% -2% 5%

Philippinen 13% 5% 0,3% 31% 52% 57% 1% 1,9% 10% 33%

Russische Föd. 13% 37% 93% -10%

Saudi-Arabien 6% 6% 2% 48% 38% 23% 53% 0,5% -3% -1,2%

Singapur 4% 2% 1% 40% 38% 15% n.v. -5% -11% 1,6%

Sri Lanka 1,4% 8% 43% 77% 31% 6% 5%

Taiwan 6% 3% 3% 46% 53% 63% 36% 10% 21% -0,7%

Thailand 7% 4% 26% 52% 48% 1,1% 1,8%

USA 0,6% 2% 31% 39% 102% -5% -4%

Venezuela 9% 36% 70% -2%

Summe / Ø 67% 75% 59% 54% 41% 48%

Exportanteil Neuseel. Importanteil ZiellandZielland

Mittlere Preisabweichung

Quelle: Eigene Berechnungen nach Daten von GTIS (2009), IFCN (2008)

Wird der Anteil der neuseeländischen Exporte in die Zielländer aufsummiert, zeigt

sich, dass die Stichprobe 67% der MMP-, 75% der VMP- und 59% der Butter-

Exporte abdeckt. Damit erreicht Fonterra in den Zielländern einen durchschnittlichen

Importanteil von 54% bei MMP, 41% bei VMP und 48% bei Butter. Zumindest bei

den Ländern mit geringem SVG oder ausschließlich Frischmilchproduktion im In-

land dürften die Import- annähernd den Marktanteilen entsprechen.

In Tabelle 6.1 sind außerdem die mittleren Abweichungen der Exportpreise vom

durchschnittlichen Exportpreis jedes Quartals abgetragen. Ist ein Gut vollkommen

homogen und herrscht zudem noch perfekter Wettbewerb, so müssten die Export-

preise eines Landes in alle Zielländer identisch sein, signifikante Abweichungen

dürften somit nicht existieren. Auch wenn hier nicht auf Signifikanz getestet wird, so

zeigen sich doch beträchtliche Abweichungen vom mittleren Exportpreis. Wie groß

68 Die Export- und Importanteile wurden jeweils auf der Grundlage der Summe der Exporte bzw. Importe im Beobachtungszeitraum 1996-2009 berechnet. Bei der Preisabweichung wurde in jedem Quartal die Abweichung vom Durchschnittspreis bestimmt und daraus der Mittelwert gebildet.

6 Auswertung

76

die Heterogenität in den Exportpreisen69 ist, kann auch ermittelt werden, indem in

jedem Quartal die Standardabweichung über alle Preise gebildet und daraus über alle

Quartale der Mittelwert errechnet wird. Dabei ergibt sich 381 NZD bei MMP, 416

NZD bei VMP und 552 NZD bei Butter; gleichermaßen betragen die Variationskoef-

fizienten 0,11, 0,12 und 0,18. In Anbetracht der Tatsache, dass die Produkte in dieser

Arbeit als verhältnismäßig homogen angesehen werden, ist dieser Preisbereich

durchaus beträchtlich70. Dies ist allerdings noch kein Beleg für Preisdiskriminierung,

da es nicht möglich ist, die Existenz von Qualitätsunterschieden auszuschließen.

Ein entscheidender Aspekt ist, dass die in Tabelle 6.1 verzeichneten mittleren Preis-

abweichungen über die Zeit sehr stark schwanken. Sowohl bei konstanten Qualitäts-

unterschieden als auch bei einer statischen Preisdiskriminierung zwischen den Ziel-

ländern dürften die Preisabweichungen nicht variieren und die Preisverhältnisse zwi-

schen den Ländern somit konstant bleiben.

Abbildung 6.1: Butterexportpreis und WK im Falle Malaysias

Quelle: Eigene Darstellung nach Daten von GTIS (2009), USDA-ERS (2009)

Für die konstatierten Schwankungen der Abweichungen existieren mehrere mögliche

Gründe. So könnte sich bspw. die Zusammensetzung eines Aggregates verschiedener

Produktqualitäten ändern. Alternativ kann es in einem Markt auch zu dynamisch

abzubauenden Ungleichgewichten kommen. Da aus Neuseeland aber faktisch nur

Fonterra exportiert, können Anpassungsverzögerungen lediglich durch unterschiedli-

che Kontraktlaufzeiten bedingt sein. Sind die Schwankungen dagegen mit den WK

korreliert, so passt der Exporteur den optimalen Markup an und PTM liegt vor. Ein

Beispiel, bei dem letzteres vermutet werden kann, ist in Abbildung 6.1 dargestellt. 69 Die Zeitreihen der Export-Unit-Values für MMP, VMP und Butter sind für die ausgewählten Ziel-länder in Anhang 2 hinterlegt. 70 Es sollte bedacht werden, dass sich der konstatierte Preisbereich fast ausschließlich durch die Preis-setzung eines einzigen Unternehmens ergibt.

0

0,5

1

1,5

2

2,5

3

3,5

0

200

400

600

800

1000

1200

1400

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008W

K:

Rin

ggit

/NZ

D

Mal

aysi

sch

er M

ehrp

reis

in

NZ

D Abweichung des malaysianischen vom durchschnittlichen Exportpreis für ButterWK: Ringgit/NZD

6 Auswertung

77

6.1.3 Ergebnisse zu kurzfristigem PTM

Unter kurzfristigem PTM wurde in Kapitel 4.2.3 die Feststellung von PTM bei der

Verwendung von Quartalsdaten verstanden. Bei dieser Datenfrequenz können bspw.

noch verstärkt temporäre WK-Änderungen in den Daten vorhanden sein oder die

Existenz von Kontrakten bzw. Preisbindung in der Währung des Importlandes kann

fälschlicherweise auf PTM schließen lassen.

Im Folgenden soll aus verschiedenen Gründen das Knetter-Modell in ersten Diffe-

renzen aus (4.9) zur Anwendung kommen. Zum einen wird in der Literatur oftmals

für WK die Form von Random Walks vermerkt, wodurch es der Differenzierung be-

darf, um das Problem von Spurious Regressions zu vermeiden. Zum anderen beste-

hen in den geschätzten Modellen Probleme mit Autokorrelation, weswegen es – nach

den Überlegungen in Kapitel 5.1.2 – ohnehin der Überführung in ein dynamisches

Modell und der Bildung der ersten Differenzen bedarf. In Tabelle 6.2 sind die Ergeb-

nisse der gepoolten Schätzung von (4.9) für p = pMMP, pVMP, pButter und WK = WKno-

minal, WKreal abgetragen.

Tabelle 6.2: Ergebnisse & Tests71 der gepoolten Schätzung mit Quartalsdaten

β t-Stat. p-Wert F-Stat. p-Wert W-Stat. p-Wert LM(A) p-Wert

nomial 0,013 0,25 0,801 2,73 0,008 67,76 0,099 156,97 0,000

real 0,025 0,51 0,609 2,26 0,022 66,39 0,120 157,31 0,000

nomial -0,066 -1,57 0,117 2,41 0,026 97,43 0,000 90,54 0,000

real -0,047 -1,06 0,289 3,41 0,005 97,82 0,000 90,44 0,000

nomial -0,160 -3,30 0,001 0,63 0,817 74,20 0,035 111,83 0,000

real -0,188 -3,68 0,000 0,73 0,718 74,74 0,032 110,87 0,000

AutokorrelationParameter

MMP

VMP

Butter

Kovarianzanal.testProdukt WK

Heteroskedastizität

Quelle: Eigene Berechnungen

Da bei allen Schätzgleichungen eine starke Autokorrelation der Fehler vorherrschte,

wurde als erstes versucht, diese in dynamische Modelle zu überführen. Als Instru-

mente für ∆pit-1 wurden dabei jeweils pit-2 und ∆pit-2 benutzt. Die instrumentierte Va-

riable ∆pit-1 wies jedoch für p = pMMP, pVMP keinen signifikanten Erklärungsbeitrag

auf und wurde somit wieder aus den Modellen ausgeschlossen. Einzig für Butter

konnte ein dynamisches Modell geschätzt werden, wodurch die vorherrschende Au-

tokorrelation jedoch nur in geringem Maße reduziert werden konnte. Weiterhin zeigt

Tabelle 6.2 eine auf 10%-Niveau signifikante Heteroskedastizität in fünf von sechs

71 Der Kovarianzanalysentests wurde unter dem Ausschluss nicht-signifikanter Parameter im unrest-ringierten Modell durchgeführt. Die Teststatistik bei Autokorrelation beruht auf einem AR(5)-Prozess. Auf die Darstellung von Maßen der Anpassungsgüte, wie z.B. dem Bestimmtheitsmaß, wurde ver-zichtet, da diese aufgrund der Zeiteffekte eine geringe Aussagekraft bzgl. der WK und PTM haben.

6 Auswertung

78

Schätzgleichungen. Folglich wurden alle Modelle mit Arellano-Schätzern der Stan-

dardfehler geschätzt. Es sei jedoch darauf hingewiesen, dass aufgrund der Datensatz-

struktur die Gefahr besteht, dass die Arellano-Schätzer inkonsistent sind.

Der Kovarianzanalysentest zeigt sehr deutlich, dass das gepoolte Modell lediglich für

Butter Gültigkeit besitzt. Die geschätzten Koeffizienten im Modell für Butter sind

signifikant, haben das erwartete Vorzeichen und weisen damit auf kurzfristiges PTM

im Buttermarkt hin. Der Wert von -0,16 bedeutet dabei, dass bspw. bei einem

10%igen WK-bedingten Preisanstieg im Zielland die Exportpreise in das Land um

1,6% sinken, der Preis im Zielland also stabilisiert wird. Wird das Preisniveau über

reale WK mit einbezogen, nimmt der Betrag des Koeffizienten sogar noch zu.

Im Unterschied zu Butter sind die geschätzten Parameter der Modelle für MMP und

VMP nicht signifikant von null verschieden. Allerdings negieren die Ergebnisse des

Kovarianzanalysentests die Gültigkeit des gepoolten Modells, was bedeutet, dass die

geschätzten Koeffizienten einem Heterogenitätsbias unterworfen sind. Folglich müs-

sen für MMP und VMP Modelle mit fixen β-Effekten geschätzt werden. Die Ergeb-

nisse dieser Schätzung präsentiert Tabelle 6.3.

Ebenso wie bei den gepoolten Modellen wies die instrumentierte Variable ∆pit-1 kei-

nen signifikanten Erklärungsbeitrag auf, weswegen statische Modelle geschätzt wur-

den. Gleichermaßen wurden aufgrund von Heteroskedastizität und Autokorrelation

erneut Arellano-Schätzer der Standardfehler verwendet. Werden die geschätzten Ko-

effizienten betrachtet, so zeigt sich, dass bei MMP 8 (9) von 13 Koeffizienten signi-

fikant sind und bei VMP 7 (6) von 14. Dabei sind sowohl positive als auch negative

Vorzeichen zu erkennen. Werden bspw. 38% einer WK-Änderung zu Hongkong

über die MMP-Exportpreise ausgeglichen und der Preis so in HK$ stabilisiert, wird

bei WK-Änderungen zu Mexiko der Preis in Pesos destabilisiert. Die Verwendung

realer WK ändert bei dieser Datenfrequenz die Schätzergebnisse nur marginal.

Problematisch für eine ökonomische Interpretation ist neben gemischten Vorzeichen

vor allem, dass sich keine Verbindung zwischen der Höhe oder Signifikanz der Koef-

fizienten und der Charakteristika der Zielländer aus Tabelle 6.1 finden lässt. So fin-

det bspw. eine Stabilisierung der Preise sowohl für Hongkong bei einem Importanteil

von 60% als auch für Thailand mit einem Importanteil von 26% statt. Weiterhin exis-

tieren nur für Mexiko ähnliche Koeffizienten bei MMP und VMP, was gegen markt-

unabhängige länderspezifische Besonderheiten spricht.

6 Auswertung

79

Tabelle 6.3: Ergebnisse zu den Modellen mit fixen β-Effekten

Produkt

WK

Zielland (i) t-Stat. t-Stat. t-Stat. t-Stat.

1,91 *** 15,3 1,76 *** 14,7

0,21 *** 3,2 0,19 *** 3,0 -0,01 -0,2 0,01 0,1

-0,07 -1,1 -0,04 -0,6

-0,38 *** -5,9 -0,37 *** -6,1

0,03 0,7 0,04 1,0 -0,02 -1,2 -0,02 -1,0

-0,13 ** -2,4 -0,12 ** -2,4

0,50 *** 6,0 0,58 *** 7,0

0,11 ** 2,0 0,15 *** 2,8 -0,04 -0,7 0,03 0,5

0,20 *** 4,0 0,29 *** 6,0 0,30 *** 5,9 0,31 *** 5,8

0,02 0,3 0,01 0,3 -0,24 *** -4,0 -0,24 *** -3,5

-0,15 ** -2,3 -0,15 ** -2,4 -0,02 -0,3 -0,01 -0,2

-0,10 -1,1 -0,21 ** -2,3 0,01 0,2 -0,04 -0,6

0,07 1,0 0,10 1,1 -0,31 *** -5,6 -0,32 *** -4,8

-0,04 -0,5 0,02 0,2 0,49 *** 7,3 0,58 *** 8,7

-0,31 *** -6,6 -0,32 *** -6,7 -0,08 * -1,9 -0,07 -1,4

0,04 0,6 -0,02 -0,4

-0,23 *** -7,8 -0,24 *** -6,5

* = p-Wert < 0,1 ** = p-Wert < 0,05 *** = p-Wert < 0,01

USA

Venezuela

W-Statistik

LM(A)-Stat.

(p-Wert)

Saudi-Arabien

Singapur

Sri Lanka

Taiwan

Thailand

Japan

Kanada

Malaysia

Mexiko

Philippinen

Australien

China

El Salvador

Hongkong

Indonesien

106,0 (0,02) 117,1 (0,00) 175,1 (0,00) 168,2 (0,00)

133,4 (0,00) 139,9 (0,00) 87,5 (0,00) 87,3 (0,00)

βi βi βi βi

MMP VMP

nominal real nominal real


Im Folgenden soll ein Erklärungsansatz für die Ergebnisse aus Tabelle 6.3 eruiert

werden. So wurde bislang nicht auf mögliche Lags, also verzögerte Beobachtungen,

der unabhängigen Variablen ∆lnWK getestet. Dies hat verschiedene Gründe: Wird

angenommen, dass die Bezahlung der exportierten Güter im selben Quartal erfolgt

wie Export bzw. Verschiffung, so geben ausschließlich die bisher geschätzten Koef-

fizienten Auskunft darüber, ob der Preis im Zielland tatsächlich stabilisiert, destabili-

siert oder nicht tangiert wird. Existieren signifikante Lags, die nicht im Modell er-

fasst sind, kann der Wert für βi jedoch in Wirklichkeit durch eine Korrelation mit

einer ausgelassenen Variable, d.h. dem j-ten Lag von ∆lnWK, bedingt sein. Auch

wenn dies der Fall wäre, würde es jedoch nichts daran ändern, dass die zuvor ge-

schätzten Koeffizienten das tatsächlich stattfindende PTM messen.

Unabhängig davon wann und wie oft die Preisfindung erfolgt, besagen verzögerte

Einflüsse der WK-Änderung, dass sich bei der Preisfindung an den WK verschiede-

ner Zeitpunkte orientiert wird. Das ist allerdings nur sinnvoll, wenn die Preissetzung

nicht zum Zeitpunkt von Bezahlung und Verschiffung erfolgt, da der WK zu diesem

6 Auswertung

80

Zeitpunkt bekannt wäre. Dementsprechend würden ein oder mehrere signifikante

Lags für quartalsübergreifende Kontrakte72 sprechen, bei denen der Exporteur ver-

sucht, die Preise im Zielland zu stabilisieren, also PTM zu praktizieren. Würde der

Exporteur bspw. für die Zukunft den aktuellen WK erwarten (rationale Erwartung

bei Random Walks) und die Erfüllung des Kontrakts geschieht zwei Quartale nach

der Preisfindung, so hätte lediglich der zweite Lag von ∆lnWK einen Einfluss und

entspräche somit dem intendierten PTM.

Entsprechend der tatsächlichen Zeitreihenstruktur der WK können sich dabei jedoch

verschiedene Werte oder auch Vorzeichen für das tatsächlich stattfindende PTM er-

geben. Somit stellt die Orientierung an vergangenen WK eine mögliche Ursache für

positive Koeffizienten in Tabelle 6.3 dar, obwohl der Exporteur mit PTM eine Stabi-

lisierung der Preise in der Währung des Importeurs erreichen möchte.

Um die Validität der vorausgegangenen Überlegungen prüfen zu können, soll das

Knetter-Modell (4.9) im Folgenden um signifikante Lags erweitert werden.

Tabelle 6.4: Ergebnisse & Tests der gepoolten Schätzung bei vorhandener Lagstruktur

β t-Stat p-Wert β t-Stat p-Wert β t-Stat p-Wert

∆lnWK -0,044 -0,69 0,491 -0,026 -0,66 0,508 -0,167 -1,78 0,076

∆lnWK_t-1 0,080 0,97 0,331 -0,094 -1,84 0,067 0,130 1,81 0,071

∆lnWK_t-2 0,136 2,59 0,010 -0,052 -0,75 0,451 -0,188 -2,08 0,038

∆lnWK_t-3 -0,140 -3,20 0,001 0,166 1,12 0,263

F-Statistik

W-Statistik

LM(A)-Stat.

65,2 (0,16) 94,6 (0,00) 76,3 (0,04)

153,9 (0,00) 85,7 (0,00) 98,2 (0,00)

Unabhängige Variable

MMP VMP Butter

2,56 (0,00) 1,72 (0,01) 1,56 (0,02)


Die Ergebnisse der gepoolten Schätzung73 hierzu sind Tabelle 6.4 zu entnehmen. Da

der Kovarianzanalysentest die Gültigkeit aller gepoolten Modelle verneint, wurde die

Lagzahl anhand der entsprechenden Modelle mit fixen β-Effekten bestimmt. Auch

wenn der Grad der Heteroskedastizität gegenüber der Schätzung ohne Lags abnahm,

so sind – auch aufgrund der immer noch vorherrschenden Autokorrelation – die

Arellano-Schätzer zu wählen. Die Überführung in ein dynamisches Modell gelang

wiederum ausschließlich im Fall von Butter. Obwohl davon ausgegangen werden

muss, dass die Koeffizienten aus Tabelle 6.4 aufgrund der vorherrschenden Hetero-

72 Die Kontrakte würden dabei nicht in der Währung des Importeurs abgeschlossen, da dies lediglich signifikant hohe negative Werte der Koeffizienten des nicht-verzögerten ∆lnWK zur Folge hätte. 73 Da die Unterschiede der Verwendung nominaler und realer WK bei der gewählten Datenfrequenz bisher gering waren, erfolgt die Schätzung mit Lags ausschließlich für nominale WK.

6 Auswertung

81

genität verzerrt sind, zeigen sich, im Gegensatz zu der gepoolten Schätzung ohne

Lags, zu jedem Produkt signifikante Parameter.

Die vom Ergebnis des Kovarianzanalysentest postulierte Schätzung der Modelle mit

fixen β-Effekten findet sich als Anhang 3-5. Dabei wurden jeweils für die einzelnen

Zielländer die Variablen bzw. Lags ausgeschlossen, die keinen signifikanten Erklä-

rungsbeitrag aufwiesen. Für Butter wurde wiederum ein dynamisches Modell ge-

schätzt, wobei für alle Modelle Arellano-Schätzer genutzt wurden. Auffallend ist,

dass der Grad der Heteroskedastizität erneut abnahm und in signifikantem Ausmaß

nur noch für VMP vorlag. Ferner ist für fast jedes Land mindestens ein Koeffizient

signifikant, wobei insgesamt mehr Koeffizienten verzögerter als kontemporärer WK-

Änderungen signifikant sind und die gemeinsame Signifikanz der verzögerten WK-

Änderungen oftmals höher als die der kontemporären ist. Somit kommt den verzö-

gerten WK-Änderungen ein bedeutender Erklärungsbeitrag zu. Das Verhalten der

geschätzten Parameter wird in Abbildung 6.2 als Beispiel für MMP illustriert.

Abbildung 6.2: Geschätzte Koeffizienten des MMP-Modells mit Lags


Aus der Abbildung gehen ein bzw. zwei verschiedene, aber klare Muster hervor. In-

teressant ist, dass nunmehr die Koeffizienten aller kontemporären WK-Änderungen

das erwartete Vorzeichen haben und beim ersten Lag durchgehend ein positives Vor-

zeichen zu erkennen ist. Weiterhin wird bei einer Gruppe Zielländer beim zweiten

und bei einer anderen Gruppe beim dritten Lag wieder ein negatives Vorzeichen er-

reicht. Wird davon ausgegangen, dass der Exporteur die Preise im Zielland stabilisie-

ren möchte und die Bezahlung im t-ten Quartal erfolgt, so würde nach den geschätz-

ten Koeffizienten im t-2ten bzw. t-3ten Quartal davon ausgegangen, dass die jeweili-

ge WK-Änderung derjenigen im t-ten Quartal entspricht. Im t-1ten Quartal würde

-0,8

-0,4

0

0,4

0,8

∆lnWK ∆lnWK_t-1 ∆lnWK_t-2 ∆lnWK_t-3

China

Hongkong

Indonesien

Japan

Malaysia

Mexiko

Philippinen

Saudi Arabien

Singapur

Sri Lanka

Taiwan

Thailand

6 Auswertung

82

dagegen erwartet, dass der WK-Änderung im t-ten Quartal die entgegengesetzte

Richtung aufweist. Mit anderen Worten, wird von der angenommenen Zielsetzung

ausgegangen, erwartet der Exporteur, dass die WK temporär um eine konstante Grö-

ße schwanken und dass nach ein bzw. zwei Quartalen der Änderung in eine Richtung

eine Änderung in die Gegenrichtung folgt.

Diese Argumentation ist allerdings nur valide, wenn die beobachteten Werte durch

intendiertes PTM in der Form einer Preisstabilisierung bedingt sind. Bereits in Kapi-

tel 4.2.3 wurden andere Möglichkeiten diskutiert, die fälschlicherweise auf (kurzfris-

tiges) PTM schließen lassen. Die langfristige Preissetzung in Währung des Ziellan-

des scheidet hier aus, da sie in hohem Maße tatsächliches PTM produzieren würde.

Dagegen ist es schwierig, mit WK-Änderungen korrelierte variierende Zusammen-

setzungen von Produktaggregaten auszuschließen; diese können ferner nicht nur ne-

gative Koeffizienten erzeugen. Angenommen VMP stellt ein Aggregat aus einem

Commodity und einem differenzierten Gut dar. Steigt nun der Preis für neuseeländi-

sches VMP im Zielland durch eine WK-Änderung, so würde der Export des Com-

modity aufgrund eines höheren Wettbewerbs stärker zurückgehen. Die Folge eines

solchen Szenarios wäre ein positiver Koeffizient im Knetter-Modell. Ein solcher po-

sitiver Koeffizient existiert bei MMP bspw. im Falle Australiens als Zielland74.

Auch wenn die Ergebnisse bei verzögerten WK-Änderungen zu MMP und größten-

teils auch zu Butter mit den hier angestellten Überlegungen konsistent sind, so trifft

dies nicht für VMP zu. Dort ist zwar ebenfalls ein Muster erkennbar, dieses zeigt

jedoch primär positive Koeffizienten für ∆lnWK und negative für ∆lnWK_t-1. Die

negativen Koeffizienten der verzögerten WK-Änderung sind durchaus entsprechend

der oben angestellten Überlegungen erklärbar. Schwierig ist allerdings die Interpreta-

tion der durchweg positiven Koeffizienten der unverzögerten WK-Änderung.

Festgehalten werden kann an dieser Stelle, dass die Intention eines kurzfristigen

PTM – zumindest für den Ausgleich temporärer WK-Änderungen – für alle drei

Märkte vermutet werden kann. Die Ausprägung ähnlicher Muster über verschiedene

Zielländer75 und Produkte spricht dabei gegen Effekte durch Änderung der Zusam-

mensetzung von Produktaggregaten. Wird davon ausgegangen, dass die Bezahlung

zum Zeitpunkt der Verschiffung erfolgt, schlägt sich das intendierte PTM jedoch –

mit Ausnahme von Butter – nicht bei allen Ländern in ein tatsächliches PTM mit

Stabilisierung der Ziellandpreise nieder (vgl. Tabelle 6.3). 74 Australien wurde wegen extrem hoher Werte aus Abbildung 6.3 ausgeschlossen. 75 Annähernd jedes Zielland weist mindestens einen signifikanten Koeffizienten pro Produkt auf.

6 Auswertung

83

6.1.4 Ergebnisse zu langfristigem PTM

In Abgrenzung zu kurzfristigem wurde unter langfristigem PTM in Kapitel 4.2.3 die

Feststellung von PTM bei der Verwendung von Jahresdaten verstanden. Diese sollten

weniger temporäre WK-Änderungen enthalten und vor allem die im letzten Kapitel

dargestellte Problematik der Preissetzung über Kontrakte und den damit verbundenen

signifikanten Einfluss von verzögerten Variablen reduzieren.

Wie auch im vorausgegangenen Kapitel, soll das Knetter-Modell in ersten Differen-

zen aus (4.9) geschätzt werden. Trotz bestehender Autokorrelation soll jedoch auf die

Umformung in ein dynamisches Modell verzichtet werden, da ansonsten die ohnehin

geringe Zahl von 13 beobachteten Jahren – die bereits aufgrund der Bildung der ers-

ten Differenzen auf 12 schrumpfte – noch weiter abnimmt. So würden die Nutzung

eines dynamischen Modells und die Instrumentierung von ∆pit-1 zwei weitere Be-

obachtungen über die Zeit kosten. Weiterhin zeigte sich, dass die instrumentierte

Variable ∆pit-1, wie auch im vorherigen Kapitel, nicht oder nur schwach signifikant

war. Tabelle 6.5 enthält die Ergebnisse der gepoolten Schätzung von (4.9) für p =

pMMP, pVMP, pButter und WK = WKnominal, WKreal bei Jahresdaten.

Tabelle 6.5: Ergebnisse & Tests76 der gepoolten Schätzung mit Jahresdaten

β t-Stat. p-Wert F-Stat. p-Wert W-Stat. p-Wert LM(A) p-Wert

nomial 0,009 0,18 0,859 1,00 0,432 12,26 0,977 22,50 0,000

real 0,044 0,53 0,597 1,66 0,136 26,40 0,333 23,20 0,000

nomial -0,070 -2,25 0,026 2,05 0,032 25,49 0,380 29,79 0,000

real -0,060 -1,35 0,179 2,08 0,059 26,09 0,349 30,31 0,000

nomial -0,031 -0,74 0,458 1,79 0,074 16,25 0,879 26,12 0,000

real -0,078 -2,24 0,027 1,92 0,080 15,30 0,912 27,04 0,000

AutokorrelationParameter

MMP

VMP

Butter

Kovarianzanal.testProdukt WK

Heteroskedastizität


Offensichtlich liegt bei den Jahresdaten keine Heteroskedastizität, aber weiterhin

Autokorrelation der Fehler vor. Somit kamen auch hier die Arellano-Schätzer der

Standardfehler zum Einsatz. Verzögerte Beobachtungen der WK-Änderungen waren

für die Schätzungen zu allen Produkten nicht signifikant. Der Kovarianzanalysentest

zeigt ferner, dass das gepoolte Modell lediglich bei MMP Gültigkeit besitzt. Da die

geschätzten Koeffizienten bei MMP sowohl im Falle nominaler als auch realer WK-

Änderungen nicht signifikant sind, kann geschlussfolgert werden, dass bei MMP

kein langfristiges PTM zu verzeichnen ist. Demgegenüber sind bei VMP und nomi-

76 Der Kovarianzanalysentests wurde unter dem Ausschluss nicht-signifikanter Parameter im unrest-ringierten Modell durchgeführt. Die Teststatistik bei Autokorrelation beruht auf einem AR(2)-Prozess.

6 Auswertung

84

nalen WK-Änderungen sowie bei Butter und realen WK-Änderungen auf 5%-Niveau

signifikante Koeffizienten zu verzeichnen. Allerdings zeigt der Kovarianzanalysen-

test, dass, sowohl für VMP als auch für Butter, Modelle mit fixen β-Effekten zu

schätzen sind. Die Ergebnisse hierzu sind in Tabelle 6.6 abzulesen.

Tabelle 6.6: Ergebnisse bei fixen β-Effekten und Jahresdaten

Produkt

WK

Zielland (i) t-Stat. t-Stat. t-Stat. t-Stat.

-0,20 *** -4,5 -0,14 ** -2,2

1,42 *** 5,8 1,17 *** 4,8

0,34 *** 4,3 0,45 *** 3,9

0,04 0,6 0,04 0,4 0,13 ** 2,1 0,17 * 1,9

-0,13 ** -2,0 -0,08 -0,9

-0,01 -0,2 0,02 0,3

-0,04 *** -3,6 -0,08 *** -5,3 -0,03 -1,3 -0,04 -1,2

-0,34 *** -3,3 -0,26 * -1,9 -0,56 *** -5,8 -0,55 *** -4,4

-0,28 *** -3,7 -0,27 ** -2,6 -0,58 *** -7,7 -0,61 *** -6,4

-0,21 ** -2,3 -0,33 *** -2,7

-0,01 -0,2 0,02 0,3 -0,33 *** -6,0 -0,21 *** -3,6

-0,30 *** -4,3 -0,35 *** -3,3 -0,13 * -1,9 -0,18 * -1,8

0,10 *** 6,0 -0,05 ** -2,4

-0,06 -0,9 -0,02 -0,3 0,05 0,9 0,05 0,6

0,96 *** 10,3 0,95 *** 7,2 0,05 0,5 0,10 0,8

-0,24 *** -3,5 -0,23 ** -2,1

0,46 *** 5,5 0,45 *** 4,6 -0,01 -0,1 0,01 0,1

-0,18 ** -2,3 -0,17 -1,5

-0,26 *** -4,2 -0,33 *** -3,9 -0,47 *** -8,1 -0,50 *** -6,4

-0,08 ** -2,2 0,00 -0,1

* = p-Wert > 0,1 ** = p-Wert > 0,05 *** = p-Wert > 0,01

USA

Venezuela

W-Statistik

LM(A)-Stat.

(p-Wert)

Saudi-Arabien

Singapur

Sri Lanka

Taiwan

Thailand

Malaysia

Marokko

Mexiko

Philippinen

Russische Föd.

China

El Salvador

Hongkong

Indonesien

Kanada

Ägypten

Australien

Belgien

46,6 (0,19) 67,1 (0,00) 24,5 (0,99) 27,6 (0,97)

34,0 (0,00) 24,4 (0,00) 26,1 (0,00) 22,5 (0,00)

βi βi βi βi

VMP Butter

nominal real nominal real


Aufgrund der vorherrschenden Autokorrelation (nur in einem Fall ist zusätzlich auch

Heteroskedastizität zu verzeichnen) wurden wiederum Arellano-Schätzer verwendet.

Grundsätzlich ergeben sich sowohl bei der Verwendung von nominalen als auch rea-

len WK Koeffizienten mit dem gleichen Vorzeichen und in der gleichen Größenord-

nung. Ein Beispiel, bei dem es ausnahmsweise zu einem signifikanten Vorzeichen-

wechsel kommt, ist die Russische Föderation. Auffällig ist jedoch, dass die Beträge

der t-Statistik in fast allen Fällen bei der Verwendung realer WK abnehmen. Eine

Ausnahme liegt wiederum bspw. bei Indonesien vor. Somit ist es naheliegend davon

6 Auswertung

85

auszugehen, dass die Berücksichtigung des Preisniveaus lediglich ein stärkeres Rau-

schen im Modell verursacht. Daraus folgt, dass sich ein beobachtetes PTM an den

nominalen WK orientiert und nicht das Preisniveau bzw. die Kaufkraft des Ziellan-

des mit einbezieht.

Bei den geschätzten Parametern sind 11 von 14 bei VMP und 11 von 16 bei Butter

auf 10%-Niveau signifikant. Von diesen weisen wiederum 9 bzw. 7 das erwartete

negative Vorzeichen auf. Ein stärker ausgeprägtes PTM in Form der Stabilisierung

der Preise im Zielland findet sich bzgl. VMP bei Kanada, Malaysia, Philippinen, Sri

Lanka, Thailand und den USA, bzgl. Butter bei Ägypten, Kanada, Malaysia, Marok-

ko, Mexiko und den USA. Interessanterweise stimmen diese Ergebnisse größtenteils

nicht mit denen bei kurzfristigem PTM überein, weder bei tatsächlichem PTM (Ta-

belle 6.3) noch lässt sich bei den genannten Ländern ein besonderes Muster bei den

Koeffizienten der verzögerten Variablen finden. Offensichtlich handelt es sich bei

kurz- und langfristigem PTM – zumindest bei den untersuchten Produkten und Län-

dern – um zwei verschiedene Phänomene. Denkbar wäre diesbezüglich, dass kurz-

fristiges PTM zum großen Teil den Ausgleich temporärer WK-Änderungen be-

schreibt, wohingegen langfristiges PTM eine entsprechend langfristige Anpassung

der Markups beinhaltet. Zur Veranschaulichung sei hier der schon in Abbildung 6.1

präsentierte Fall Malaysias aufgegriffen. So weist der WK Ringgit/NZD im Beo-

bachtungszeitraum eine Schwankungsbreite von 50% des durchschnittlichen WK

auf, die zusammen mit dem Koeffizienten von -0,58 bei Butter zu einer 29%igen

Schwankungsbreite der Exportpreise aufgrund von WK-Änderungen führt. Werden

beim Exportpreis die GK nicht unterschritten, finden diese Schwankungen durch

Anpassungen eines demnach existierenden Markups statt.

Wenn auch die Anzahl positiver Koeffizienten in Tabelle 6.6 vergleichsweise niedrig

ist, so stellt sich immer noch die Frage, wieso es bei den entsprechenden Ländern zu

einer Destabilisierung der Preise kommt bzw. ob die Koeffizienten durch andere Ef-

fekte bedingt sind. Einflüsse der Preissetzung über Kontrakte dürften bei der gewähl-

ten Datenfrequenz ausscheiden, nicht aber mögliche mit WK-Änderungen korrelierte

variierende Zusammensetzungen von Produktaggregaten wie sie im letzten Kapitel,

mit dem Verweis auf Australien, konstatiert wurden. Auch in Tabelle 6.6 sticht Aust-

ralien erneut mit einem hohen positiven Wert heraus. Somit könnte es tatsächlich der

Fall sein, dass nach Australien z.B. normalerweise nur hochdifferenzierte Güter ex-

portiert werden, wenn der WK aber günstig steht ebenfalls Commodities. Problema-

6 Auswertung

86

tisch ist, dass durch das Auftreten positiver Werte (vgl. Tabelle 6.6) auch andere Ef-

fekte als nur PTM in den Daten verborgen sein können. Das heißt, es gilt auch bei

negativen Werten grundsätzlich skeptisch zu sein.

Wird davon ausgegangen, dass die negativen Werte aus Tabelle 6.6 tatsächlich PTM

in Form einer Stabilisierung der Inlandspreis abbilden, ist als nächstes zu fragen,

warum dies gerade in den konstatierten Ländern passiert und in den verbleibenden

nicht. Wie bereits in Kapitel 4.2.2 konstatiert, kann das geschätzte Modell nicht un-

terscheiden, ob keine Marktmacht oder Marktmacht bei konstanter Nachfrageelastizi-

tät vorliegt. Wird an der Erklärung festgehalten, dass PTM durch sich verändernde

Optima des Markups ausgelöst wird, so muss davon ausgegangen werden, dass

Marktmacht nicht nur in den Zielländer mit signifikanten Koeffizienten vorherrscht.

Bei diesen wäre lediglich die (residuale) Nachfrageelastizität nicht konstant, was

jedoch nicht beobachtbar ist. Das erschwert die Zuordnung negativer Koeffizienten

in Tabelle 6.6 zu Marktcharakteristika der Länder gemäß den Hypothesen aus Kapi-

tel 3.3. So konnte in der Stichprobe keine Verbindung zwischen dem jeweiligen Im-

portanteil Neuseelands und einem negativen PTM-Koeffizienten gefunden werden.

Ein weiterer Aspekt, den KNETTER (1989: 208) aufgreift, ist eine mögliche Verbin-

dung zwischen PTM und der Größe des Importmarktes, d.h. die Praktizierung von

PTM aufgrund der Sorge vor Verlust an Marktanteilen auf bedeutenden Importmärk-

ten. Aber auch zwischen Exportanteilen Neuseelands (vgl. Tabelle 6.1) und negati-

ven PTM-Koeffizienten findet sich kein Zusammenhang. Gleichermaßen sind signi-

fikante PTM-Koeffizienten nicht spezifisch für die Gesamtimportmengen oder

Wachstumsraten von Importmärkten (vgl. Anhang 6).

Ein grundsätzliches Problem ist, dass Preisdiskriminierung und damit auch PTM erst

durch Marktmacht ermöglicht wird, KNETTER (1993: 473) aber eine höhere Wahr-

scheinlichkeit für PTM konstatiert, wenn die Zahl der Wettbewerber steigt77. Das

heißt, für PTM wäre somit sowohl Marktmacht als auch ein gewisser Grad oligopo-

listischen Wettbewerbs nötig. Tatsächlich zeigen sich negative PTM-Koeffizienten

häufiger auf Importmärkten, in denen mehrere große und auch kleine Exporteure

signifikante bzw. größere Importanteile aufweisen. Anders herum sind positive

PTM-Koeffizienten häufiger bei Zielländern zu finden, auf deren Importmärkten

Neuseeland maximal einem großen Konkurrenten gegenübersteht (vgl. Anhang 6).

Diese Beobachtungen sind jedoch statistisch nicht abgesichert. 77 Dies spricht für einen Erklärungsansatz für PTM, wie er in Kapitel 4.2.1 unter oligopolistischer Preisfindung im Cournot-Modell gegeben wurde.

6 Auswertung

87

6.2 Residual-Demand-Ansatz

6.2.1 Datengrundlage

Entsprechend der Ausführungen in Kapitel 4.3 sind zur Schätzung der residualen

Nachfragefunktion u.a. Preis- und Mengendaten vonnöten. Diesbezüglich konnte,

wie auch schon zur Schätzung des Knetter-Modells, auf die GTA-Handelsdatenbank

zurückgegriffen werden. In Bezug auf die Datenfrequenz wählten sowohl BAKER &

BRESNAHAN (1988) als auch GOLDBERG & KNETTER (1999) Jahresdaten zur Schät-

zung der RNE. Da in dieser Arbeit aber lediglich T = 13 Jahresdaten des Beobach-

tungszeitraums78 1996 - 2009 zur Verfügung standen, musste somit auf Quartaldaten

zurückgegriffen werden, um eine ausreichende Anzahl Freiheitsgrade sicherzustel-

len. Ein möglicher Nachteil hoher Frequenzen ist allerdings, dass, vor allem in den

Handelsmengen, größere Schwankungen existieren, die auf unbeobachtete Faktoren

zurückgehen und somit nicht vom Modell erklärt werden können.

Erfasst wurden die verwendeten Handelsmengen und Preise beim Exporteur. Das

heißt, es handelt sich um die neuseeländischen Exportmengen und die entsprechen-

den Unit Values als Maß für die Exportpreise. Da in der zu schätzenden residualen

Nachfragefunktion Preise in der Währung des Importlandes benötigt werden, wurden

die Unit Values in monatlicher Frequenz entsprechend umgerechnet, bevor viertel-

jährliche Daten gebildet wurden. Als zu betrachtende Importländer und Märkte wur-

den ferner die bereits in Kapitel 6.1 vorgestellten genutzt. Die Gründe hierfür sind

hohe Anforderungen bzgl. der Datenqualität (wie schon beim PTM-Ansatz) und eine

zu erreichende Vergleichbarkeit zu den PTM-Ergebnissen.

Neben den Handelsdaten werden zur Schätzung der residualen Nachfrage Kosten-

und Nachfrageshifter benötigt. Als wichtigste Kostenshifter auf den internationalen

Märkten fungieren dabei die (nominalen) WK. Diese wurden, wie auch schon beim

PTM-Ansatz, dem Agricultural Exchange Rate Data Set des ERS entnommen. Wei-

terhin wurden Lohnkostenindizes und Darlehenszinssätze aus den International Fi-

nancial Statistics verwendet. Der wohl wichtigste Kostenbestandteil von Milcher-

zeugnissen dürfte allerdings die Rohmilch sein. Um auch diesem Kostenblock Rech-

nung zu tragen, wurde auf Milchpreise zurückgegriffen, welche vom International

Farm Comparison Network (IFCN) zur Verfügung gestellt wurden. Ein grundsätzli-

ches Problem bei der Verwendung von Milchpreisen als Kostenshifter ist jedoch,

78 Für das Jahr 2009 standen lediglich die Daten der ersten beiden Quartale, aber keine Jahresdaten zur Verfügung.

6 Auswertung

88

dass sie als endogen zu betrachten sind. Da Rohmilch – abgesehen von Frischmilch-

konsum – ausschließlich zur Produktion von Milcherzeugnissen verwendet wird,

ergibt sich die Höhe der Milchpreise somit aus den Marktpreisen für Milcherzeugnis-

se. Um dieses Problem zu umgehen, wurden die um eine Periode verzögerten Milch-

preise als Kostenshifter verwendet.

Aus Sicht der internationalen Märkte existiert im Fall der EU jedoch noch ein weite-

rer Einfluss auf die Kosten. So sind die Exporteure in der EU aufgrund von Export-

erstattungen in der Lage, unter ihren GK anzubieten. Die Exporterstattungen können

somit auch als negative Kosten betrachtet werden. Zur besseren Interpretierbarkeit

im Modell wurde aus den Exporterstattungen ein Index konstruiert, der den Anteil

der um die Exporterstattungen verminderten Kosten an den Kosten ohne Berücksich-

tigung der Exporterstattungen wiedergibt79. Als Maß für die Kosten wurden dabei für

die jeweiligen Produkte die Inlandspreise Deutschlands als größtem Exporteur der

EU verwendet. Als Quelle für Exporterstattungen und Inlandspreise diente ferner die

Agrarmarkt Informations-Gesellschaft (AMI). Der folgend als IES bezeichnete Index

nimmt den Wert 1 an, wenn keine Exporterstattungen gezahlt werden, und den Wert

0, wenn die Exporterstattungen der Höhe des Inlandspreises entsprechen, die europä-

ischen Exporteure auf den Weltmärkten also zu einem Preis von null anbieten könn-

ten. Da sich die Höhe der Exporterstattungen allerdings nach den Weltmarktpreisen

richtet, besteht die Gefahr der Endogenität für den IES, auch wenn eine Anpassung

der Exporterstattungen nur zeitlich verzögert geschieht. Aus diesem Grunde wurde

hier ebenfalls der um eine Periode verzögerte Wert verwendet.

Als Nachfrageshifter dienten das reale Bruttoinlandsprodukt, welches aus den Inter-

national Financial Statistics entnommen wurde, und ein linearer sowie quadratischer

Zeittrend. Ferner wurden Quartalsdummies eingesetzt, um jahreszeitspezifische Ein-

flüsse zu erfassen. Um weiterhin Effekte durch den Abschluss von Freihandelsab-

kommen zu berücksichtigen, wurden entsprechend der Ausführungen in Kapitel 2.5

Dummies für das FHA mit Singapur und Thailand konstruiert. Auf einen Dummy zur

Entstehung von Fonterra im Jahr 2001 wurde verzichtet, da das zuvor tätige NZDB

ebenfalls einen Monopolstatus bzgl. neuseeländischer Exporte innehatte und direkt in

Fonterra aufging. Anzumerken ist weiterhin, dass alle Kosten- und Nachfrageshifter

in der Währung des zugehörigen Landes erfasst wurden.

79 Der Index der Exportsubventionen (IES) berechnet sich entsprechend Ð = ÑÒÓÔÕÓÖ;×©ÑÒÓÔÕÓÖ , wobei „ES“

die Höhe der Exportsubventionen bzw. -erstattungen kennzeichnet.

6 Auswertung

89

6.2.2 Beschreibung der Stichprobe

Wie bereits ausgeführt, fungieren die in Kapitel 6.1 ausgewählten Länder auch bei

der Schätzung der residualen Nachfrage als Stichprobe. Dabei sei an dieser Stelle

erneut darauf hingewiesen, dass die gewählte Stichprobe nicht als repräsentativ ange-

sehen werden kann, da keine Zufallsauswahl vorliegt.

Neben den in Kapitel 6.1.2 beschriebenen Charakteristika der ausgewählten Ziellän-

der neuseeländischer Exporte ist im Zusammenhang mit der residualen Nachfrage

insbesondere die Konkurrenzsituation in den einzelnen Ländern von Interesse. In

Tabelle 6.1 wurde bereits der SVG der Länder abgetragen, wobei mit Ausnahme von

Malaysia und den Philippinen in jedem Land eine mehr oder weniger hohe Milch-

produktion zu verzeichnen war. Zwar kann an dieser Stelle keine Aussage darüber

getroffen werden, inwieweit die produzierte Milch zu konkurrierenden Produkten

verarbeitet wird, dennoch kann ein Kostenshifter in Form des Milchpreises im Ziel-

land die Konkurrenz von inländischen Unternehmen abdecken.

Die Konkurrenz aus anderen Exportländern wird in Form von Importanteilen für die

einzelnen Märkte und Zielländer in Anhang 6 illustriert. Dabei wird sichtbar, dass

das wichtigste Konkurrenzland in den ausgewählten Importländern Australien ist –

zumindest bei MMP und VMP. Darauf folgt die EU als wichtigster Konkurrent bei

Butter und zweitwichtigster bei MMP und VMP. Ein weiterhin kontinuierlich auftre-

tender Konkurrent sind die USA, welche allerdings nur bei MMP und teilweise bei

Butter eine größere Bedeutung aufweisen; auf den Importmärkten für VMP ist dage-

gen nur eine geringe Präsenz zu verzeichnen. Neben den zuvor genannten Konkur-

renten existieren noch Exportländer, denen lediglich bei einzelnen Importländern

und/oder Märkten eine größere Bedeutung zukommt. Zu dieser Gruppe zählen Ar-

gentinien, Belarus, Brasilien, Chile, China, Costa Rica, Kolumbien, Mexiko, die Uk-

raine und Uruguay. Der Exporteur mit den führenden Marktanteilen ist jedoch in fast

allen Fällen Neuseeland. Werden die Importanteile der genannten Exporteure vom

gesamten Import abgezogen, so ergibt sich ein Rest zwischen 0 und 15%. Dieser

entfällt jeweils auf eine ganze Reihe kleinerer Exporteure, deren einzelne Importan-

teile i.d.R. unter 1% liegen. Folglich wurden sie als zu unbedeutend erachtet, um den

Wettbewerb maßgeblich zu prägen, und nicht mit erfasst.

Um die Bedeutung der einzelnen Importmärkte aufzuzeigen, wurden in Anlage 6

ferner die durchschnittlichen Jahresimportmengen des Beobachtungszeitraumes und

die Wachstumsrate (WR) der Importmengen verzeichnet.

6 Auswertung

90

6.2.3 Ergebnisse der Schätzung

Im als residuale Nachfrage zu schätzenden Modell (4.21) besteht vor allem das Prob-

lem der Endogenität der Exportmenge. Folglich muss diese in einer 2SLS-Schätzung

des Modells instrumentiert werden. Allerdings sind die 2SLS-Schätzer im Falle kon-

temporärer Korrelation der Residuen – die hier vermutet werden kann – nicht effizi-

ent. Demzufolge wurde eine 3SLS-Schätzung durchgeführt.

Als Instrumente dienten dabei der WK zwischen dem jeweiligen Zielland und Neu-

seeland sowie der um eine Periode verzögerte neuseeländische Milchpreis. Es wurde

ebenso versucht das Zinsniveau80 zu berücksichtigen, welches allerdings keinen sig-

nifikanten Erklärungsbeitrag aufwies. Eine Aufnahme von Quartalsdummies als In-

strumente schied ebenso aus, da dies zu einem hohen Wert der Teststatistik des Sar-

gan-Tests führte, die Instrumente also nicht mehr als exogen anzusehen waren. Zum

gleichen Ergebnis führte die Aufnahme verzögerter Exportmengen als Instrumente,

ohne dass damit die Anpassungsgüte der ersten Stufe verbessert werden konnte.

Grundsätzlich war die Anzahl der Gleichungen, die per 3SLS zusammen bzw. im

System geschätzt werden konnten, begrenzt. Dies resultierte daraus, dass in der ver-

wendeten Ökonometrie-Software Gretl alle exogenen Variablen des Systems als In-

strumente benutzt werden mussten, da lediglich eine gemeinsame Instrumentenliste

erstellt werden konnte. Das führte dazu, dass mit der Anzahl der Gleichungen die

Zahl der Instrumente pro endogener Variable stieg und die Anzahl der Freiheitsgrade

sank. Es entstand somit die Gefahr des Overfittings der endogenen Variable (ROOD-

MAN 2007), was mit steigenden Werten der Sargan Teststatistik einherging. Als an-

gemessener Kompromiss zwischen Effizienz und der Anzahl an Instrumenten wurde

die gemeinsame Schätzung von drei Gleichungen gesehen. Dies sicherte i.d.R. eine

Zahl von mehr als 30 Freiheitsgraden in der ersten Stufe. Um diese Mindestzahl von

Freiheitsgraden sicherzustellen, wurden ferner gemeinsam nicht-signifikante Variab-

len aus dem Modell ausgeschlossen. Im Modell verbliebene, nicht-signifikante Vari-

ablen resultieren entweder daraus, dass diese gemeinsam signifikant waren oder dass

deren Ausschluss die Sargan Teststatistik des Systems signifikant erhöhte.

Die Ergebnisse der 3SLS-Schätzungen für MMP sind in Tabelle 6.7 abgetragen. In

den Modellen erscheinen dabei jeweils die Kostenshifter von den in Anhang 6 als

wesentliche Konkurrenten ausgewiesenen Exportländern.

80 Ein Lohnkostenindex war in den International Financial Statistics für Neuseeland nicht verfügbar.

6 Auswertung

91

Tabelle 6.7: Ergebnisse der 3SLS-Schätzungen81 für MMP

Zielland (ZL)

unabh. Variable

Konstante -3,74 1,69 -53,4 -3,77 -4,12 0,05 -5,26 -0,77 0,35[-0,87] [1,37] [-2,5] [-3,04] [-3,50] [0,02] [-1,88] [-0,40] [0,24]

lnQ_ZL -0,10 -0,13 -0,11 0,02 -0,01 -0,19 -0,12 0,12 -0,10[-2,02] [-2,77] [-2,77] [0,39] [-0,38] [-4,08] [-2,97] [1,58] [-3,37]

lnWK_ZL_AU 0,49 0,75 -0,44 0,77 1,17 1,03 0,83 1,02 0,99[1,72] [2,42] [-1,25] [3,09] [5,04] [3,64] [2,87] [3,43] [3,17]

lnMP_AU_1 0,18 0,27 0,13 0,26 -0,02 -0,13 0,15 0,26 0,17[0,87] [1,70] [0,62] [1,80] [-0,15] [-0,62] [1,12] [1,78] [1,01]

lnWK_ZL_EU 0,44 -0,83 1,48 -0,77 -0,92 -0,18 -0,03 -0,22 -0,32[0,95] [-2,41] [2,73] [-2,73] [-3,49] [-0,48] [-0,07] [-0,70] [-0,89]

lnIES_MMP_1 0,67 0,70 0,85 0,66 0,67 0,67 0,67 0,59 0,82[4,38] [6,05] [5,32] [6,44] [7,00] [4,52] [5,91] [5,06] [6,28]

lnMP_EU_1 0,66 0,33 0,43 0,27 0,43 -0,01 1,02 0,8 0,72[2,09] [1,47] [1,65] [1,42] [2,27] [-0,02] [5,08] [3,76] [3,09]

lnWK_ZL_USA 0,31 0,89 0,01 0,99 0,61 -0,53 0,20[0,51] [4,85] [0,03] [4,37] [4,15] [-1,57] [1,26]

lnMP_USA_1 0,07 0,46 0,16 0,67 0,73 0,79[0,43] [2,72] [1,06] [4,70] [5,51] [4,44]

lnWK_ZL_UA 0,14 0,77[0,74] [1,58]

lnMP_UA_1 0,21 0,41[1,49] [3,00]

lnWK_ZL_BY -0,55[-2,81]

lnMP_BY_1 0,06[2,93]

lnrBIP_ZL 3,67 0,43 0,44 1,21 0,74[2,29] [2,47] [2,01] [4,57] [3,34]

lnMP_ZL_1 -0,24 -0,36[-1,58] [-2,00]

Trend -0,004 0,01 -0,15 0,002 0,003 0,003[-0,37] [3,80] [-4,20] [0,44] [1,33] [1,37]

R² 0,888 0,969 0,945 0,921 0,947 0,899 0,937 0,800 0,814

TH

-Statistik 7,08 15,77 4,31 4,30 0,99 4,58 0,24 3,93 0,52(0,01) (0,00) (0,04) (0,04) (0,32) (0,04) (0,62) (0,05) (0,47)

F-Stat. (1. Stufe) 0,63 0,93 2,26 0,89 1,51 0,88 1,83 1,48 1,66 kr.Wert (H0

1) 14,6 15,8 12,2 13,4 14,0 13,4 11,1 11,6 11,1

kr.Wert (H02) 4,63 4,56 4,80 4,71 4,67 4,71 4,92 4,86 4,92

TS-Statistik

LM(SUR)-Stat.

[t-Statistik] AU = Australien Q = Exportmenge IES = Index für Exportsubventionen(p-Wert) BY = Belarus MP = Milchpreis rBIP = reales Bruttoinlandsprodukt

Kritischer Wert UA = Ukraine WK = Wechselkurs 1 = um eins verzögert

Nullhypothesen der F-Statisit ik: H01: Signifikanzlevel > 25% bei 5% H0

2: Bias > 30% des OLS-Schätzers

Sing

a-

pu

r

Sri

La

nka

Ta

iwa

n

Th

ai- lan

d

Chin

a

Indo-

nesien

Jap

an

Ma

lay

-sia

Philip

pi-n

en

41,37 (0,41)

40,07 (0,00)

40,78 (0,31)

50,73 (0,00)

32,67 (0,14)

74,06 (0,00)


81 Der Hausman-Test sowie der F-Test der 1. Stufe wurden in 2SLS-Schätzungen durchgeführt.

6 Auswertung

92

Die Schätzergebnisse in Tabelle 6.7 zeigen 9 der 13 Importländer der MMP-Stich-

probe. Die Schätzgleichungen für Australien und Hongkong wurden nicht dargestellt,

da sie nicht bzw. nur schwach signifikant waren und bei jenen von Mexiko und Sau-

di-Arabien konnte bereits bei den 2SLS-Schätzungen die Nullhypothese valider In-

strumente mit einer Irrtumswahrscheinlichkeit < 1% abgelehnt werden.

Bei den dargestellten Schätzgleichungen zeigen sich durchgängig hohe bis sehr hohe

Werte der Bestimmtheitsmaße. Folglich können die Modelle einen großen Anteil der

Varianz der Exportpreise beschreiben und es ist wahrscheinlich, dass die wichtigsten

Variablen im Modell erfasst wurden. Dazu ist anzumerken, dass über alle Gleichun-

gen hinweg weder Lohnkostenindizes oder Zinssätze als Kostenshifter noch Quar-

talsdummies oder die FHA-Dummies für Singapur und Thailand signifikant waren.

Für sechs von neun Gleichungen ergeben sich ferner Werte der TH-Statistik des

Hausman-Tests, die auf einem 5%igen Signifikanzniveau die Exogenität der Ex-

portmenge ablehnen82. Folglich ist die durchgeführte Instrumentierung beim über-

wiegenden Anteil der Gleichungen erforderlich. Werden die Werte der Sargan Test-

statistik83 (TS-Statistik) betrachtet, so zeigt sich, dass die Validität der Instrumente in

keinem Fall mit einer 10%-igen Irrtumswahrscheinlichkeit abgelehnt werden kann.

Allerdings existieren zumindest beim letzten System (mit einem p-Wert von 0,14)

Anzeichen auf mögliche Probleme mit Endogenität. Aus der Teststatistik des

Breusch-Pagan-Tests (LM(SUR)-Statistik) geht hervor, dass die Nullhypothese kei-

ner kontemporären Korrelation in allen Fällen mit einer Irrtumswahrscheinlichkeit

von < 1% abgelehnt werden kann. Somit ist mit der 3SLS-Schätzung in allen Fällen

ein Effizienzgewinn gegenüber einzelnen 2SLS-Schätzungen verbunden.

Ein Problem in sämtlichen Schätzgleichungen von Tabelle 6.7 stellen jedoch schwa-

che Instrumente dar. So werden extrem niedrige Werte der F-Statistik sichtbar, die

die kritischen Werte zur Ablehnung beider Nullhypothesen nicht ansatzweise errei-

chen. Insofern ist damit zu rechnen, dass sowohl die als RNE interpretierbaren ge-

schätzten Koeffizienten der Exportmengen (folgend als RNE-Koeffizienten bezeich-

net) als auch deren Standardfehler nicht unwesentlich verzerrt sind. Wie bereits in

Kapitel 6.2.1 erwähnt, konnte dieses Problem auch mit der Aufnahme verschiedener

zusätzlicher Instrumente nicht behoben werden. Prinzipiell sind somit keine Schluss-

82 Da durch schwache Instrumente sowohl die Schätzer der Koeffizienten als auch die der Standard-fehler verzerrt sind, könnte somit auch die Aussagekraft des Hausman-Tests betroffen sein. 83 Obwohl hier vom Sargan-Test gesprochen wird, wurde bei der Schätzung im System mit 3SLS die von Hansen weiterentwickelte Version des Sargan-Tests, der sogenannte Hansen-Sargan-Test ver-wendet. Zum Vergleich beider Testverfahren siehe bspw. ROODMAN (2007: 9f).

6 Auswertung

93

folgerungen aus den geschätzten RNE-Koeffizienten möglich. Allerdings kann dis-

kutiert werden, ob die geschätzten Werte dennoch Hinweise auf Marktmacht geben.

So wurde bereits in Kapitel 5.2.3 konstatiert, dass die Schätzer bei schwachen In-

strumenten in Richtung der OLS-Schätzer verzerrt sind. BAKER & BRESNAHAN

(1988: 298) merken weiterhin an, dass für den OLS-Schätzer bei Endogenität der

Exportmenge die wahrscheinlichste Verzerrung in Richtung eines Ablehnens von

Marktmacht ist. Dementsprechend sollten die geschätzten RNE-Koeffizienten die

RNE tendenziell unterschätzen84. Wird für einen Moment davon ausgegangen, dass

die geschätzten Koeffizienten und Standardfehler erwartungstreu sind, so präsentiert

Tabelle 6.7 sechs signifikante RNE-Koeffizienten im Bereich von -0.1, d.h. Fonterra

könnte in den jeweiligen Ländern einen 10%-igen Markup realisieren.

Auch wenn sich aufgrund schwacher Instrumente Probleme bzgl. der RNE-

Koeffizienten ergeben, so sind im 2SLS- bzw. 3SLS-Verfahren alle anderen ge-

schätzten Koeffizienten des Modells unverzerrt und konsistent85. Die Schätzergeb-

nisse erlauben somit eine Beurteilung, wie hoch die Konkurrenz der anderen Länder

in den einzelnen Importländern ist. Die WK und alle anderen Kostenshifter sind da-

bei so erfasst, dass positive Werte zu erwarten sind. Stellt bspw. die EU einen bedeu-

tenden Konkurrenten dar mit dem perfekter Wettbewerb herrscht, so müsste ein 1%-

iger Rückgang der EU-Kosten auch zu einem 1%-igen Rückgang des neuseeländi-

schen Exportpreises führen; der entsprechende Koeffizient in Tabelle 6.7 würde also

1 betragen. Aus Sicht des Importlandes kann ein Sinken der europäischen Kosten

sowohl durch eine Abwertung des Euro, einen Anstieg der Exporterstattungen (Sin-

ken des IES) oder einen Fall der europäischen Milchpreise ausgelöst werden.

Werden die Koeffizienten der Kostenshifter im Lichte der vorausgegangenen Über-

legungen betrachtet, so werden bei Australien in fast allen Importmärkten positive,

auf 5%-Niveau signifikante Koeffizienten des WK sichtbar. Eine Ausnahme bilden

lediglich China und Japan, die Länder, bei denen Australien im Bereich der niedrigs-

ten Importanteile ist (vgl. Anlage 6). Dass die signifikanten Koeffizienten Werte na-

he eins aufweisen, zeigt, dass die australischen Unternehmen eine deutliche Konkur-

renz darstellen. Allerdings wird auch sichtbar, dass der Milchpreis als Kostenshifter

über alle Importländer auf 5%-Niveau nicht signifikant ist. Eine mögliche Erklärung

84 Dennoch sind die Koeffizienten aufgrund verzerrter Standardfehler nicht zwangsläufig signifikant. 85 Dies ist der Fall, da durch die Instrumentierung das Endogenitätsproblem gelöst wurde. Wenn schwache Instrumente vorliegen, könnte an eine Verzerrung aufgrund ausgelassener Variablen ge-dacht werden. Da bei der Instrumentierung die endogene Variable auch auf alle exogenen Variablen des Ausgangsmodells regressiert wird, dürfte dies allerdings auszuschließen sein.

6 Auswertung

94

hierfür ist, dass das im Jahre 2000 abgeschaffte Domestic Market Support Program

in Australien exportierbare Commodities indirekt subventionierte und damit der

Milchpreis keinen guten Kostenindikator mehr darstellt.

Für die EU als Konkurrent ist vor allem der Einfluss der IES über alle Importländer

hochsignifikant. Dabei führt eine 1%ige Senkung der Kosten für Unternehmen in der

EU durch Exporterstattungen in den Importländern durchschnittlich dazu, dass die

neuseeländischen Exportpreise um 0,7% sinken. Wie bei allen Variablen der residua-

len Nachfragefunktion entsteht dieser Wert durch einen direkten und einen indirekten

Effekt. Das heißt, der Wert beinhaltet a) inwieweit die europäischen Unternehmen

den Kostenvorteil im Wettbewerb mit anderen europäischen Unternehmen weiterge-

ben und b) inwieweit europäisches MMP mit neuseeländischem konkurriert und Fon-

terra somit der europäischen Preissetzung folgen muss. Für die Einflüsse der EU-

Milchpreise ergibt sich ein gemischtes Bild, wobei die signifikanten Koeffizienten

das richtige Vorzeichen aufweisen. Nicht so bei den WK des Importlandes gegen-

über der EU, hier sind mehr negative als positive signifikante Koeffizienten zu er-

kennen. Gründe für negative Koeffizienten könnten variierende Zusammensetzungen

von Produktaggregaten sein (vgl. Überlegungen zu PTM). So könnte die EU bspw.

aufgrund einer Euroaufwertung MMP nur noch als differenziertes Gut und nicht

mehr in Commodity-Form absetzen. Letztere würde verstärkt von Neuseeland gelie-

fert, was zu einem Sinken des durchschnittlichen Exportpreises führen würde.

Die USA sind als Konkurrent offensichtlich vor allem in Indonesien, Malaysia und

den Philippinen bedeutend, hier ergeben sich signifikante Einflüsse beider Kosten-

shifter. In diesen Importmärkten erreichen die USA auch die höchsten Importanteile.

Lediglich in China ist auch noch ein hoher Importanteil, aber keine starke Konkur-

renz der USA zu verzeichnen. Neben den genannten Ländern kommt anderen Län-

dern, in Form der Ukraine (und Belarus), nur noch in Japan eine Konkurrenzrolle zu.

Auch die Koeffizienten der inländischen Milchpreise weisen nur im Falle Malaysias

einen signifikanten Wert auf, der allerdings nicht das erwartete Vorzeichen hat.

Das reale BIP weist in fünf von neun Gleichungen einen signifikanten Einfluss auf.

Die positiven Werte sagen dabei aus, dass der Nettoeffekt eines Einkommensan-

stiegs, d.h. wenn die Effekte auf die Konkurrenten berücksichtigt wurden, positiv ist.

Ein Einkommensanstieg erhöht somit die neuseeländischen Preise im Verhältnis zur

Konkurrenz, was besonders stark in Japan ausgeprägt ist und als Hinweis auf Pro-

duktdifferenzierung bzw. dessen Ausbau gedeutet werden kann.

6 Auswertung

95

Tabelle 6.8: Ergebnisse der 3SLS-Schätzungen für VMP

Zielland (ZL)

unabh. Var.

Konstante 3,77 6,31 -1,53 0,41 -2,78 -2,43 35,1 -17,0 6,92 -4,60 9,33 1,28 8,21[1,19] [1,04] [-0,51] [0,59] [-0,66] [-1,73] [3,85] [-1,8] [0,78] [-3,01] [1,99] [0,36] [4,10]

lnQ_ZL -0,03 0,05 -0,09 -0,14 -0,21 0,00 -0,04 -0,03 -0,38 0,03 -0,13 -0,09 -0,08[-0,95] [1,72] [-0,82] [-2,62] [-1,67] [-0,09] [-2,25] [-1,72] [-4,46] [0,92] [-2,16] [-0,64] [-1,74]

lnWK_ZL_AU 0,93 1,46 0,23 0,30 0,73 0,35 0,59 0,49 0,96 0,92 0,47[3,79] [5,00] [1,14] [1,53] [2,34] [1,99] [1,38] [1,74] [2,11] [2,43] [2,84]

lnMP_AU_1 0,22 0,25 0,40 0,35 0,38 0,22 0,11 -0,04 0,42[1,36] [1,49] [3,02] [4,04] [2,05] [2,06] [0,62] [-0,17] [5,33]

lnWK_ZL_EU -0,30 -0,60 0,26 0,15 0,45 0,28 -0,40 0,47 -0,22 0,75 -0,13 0,02 0,29[-1,03] [-1,55] [1,07] [0,77] [1,56] [1,37] [-1,12] [1,67] [-0,71] [5,86] [-0,23] [0,05] [1,60]

lnIES_VMP_1 0,76 0,90 0,56 0,60 1,09 1,00 0,31 1,34 0,47 0,97 1,10 0,54 0,54[4,92] [5,29] [4,30] [6,29] [7,39] [9,40] [1,55] [4,42] [3,02] [5,81] [3,92] [2,66] [6,50]

lnMP_EU_1 0,49 0,22 0,65 0,70 0,60 0,06 1,44 0,48 0,72 0,18 0,61 0,66[2,64] [0,91] [3,52] [5,83] [2,66] [0,37] [5,97] [2,07] [3,12] [1,07] [2,31] [5,76]

lnWK_ZL_USA -0,34 0,10 0,02 0,35 -1,70[-0,8] [0,34] [0,07] [1,43] [-2,23]

lnMP_USA_1 0,20 0,57 -0,17 0,32 0,50[1,58] [3,37] [-1,15] [1,97] [2,68]

lnWK_ZL_And 0,22 0,11 -0,07*) [1,70] [0,90] [-0,57]

lnMP_And_1 0,55 0,62 0,82[3,97] [3,80] [5,62]

lnrBIP_ZL -0,01 -0,54 0,00 0,12 0,15 -4,83 1,92 -0,22 0,62 -0,84[-0,10] [-1,33] [-0,02] [0,96] [0,21] [-4,03] [1,81] [-0,22] [2,25] [-4,54]

lnMP_ZL_1 0,73 0,36 -0,46[3,14] [3,95] [-4,56]

Trend 0,01 0,02 0,00 0,07 -0,01 0,01 -0,01 0,07 0,03 0,01[2,31] [1,53] [0,65] [4,28] [-1,11] [1,19] [-2,45] [3,82] [5,89] [3,34]

Trend^2 -0,00 -0,00 -0,00 -0,001 -0,00 -0,00 -0,00[-2,36] [-2,21] [-1,71] [-2,83] [-1,89] [-3,52] [-4,03]

R² 0,908 0,969 0,972 0,947 0,930 0,960 0,768 0,897 0,882 0,990 0,815 0,806 0,933

TH

-Statistik 1,02 23,79 0,48 1,26 2,03 2,23 6,35 7,22 15,13 0,02 0,58 0,19 0,03(0,31) (0,00) (0,49) (0,26) (0,15) (0,13) (0,01) (0,01) (0,00) (0,89) (0,44) (0,66) (0,86)

F-Stat. (1. St.) 1,07 2,23 1,30 3,61 0,43 1,15 3,51 3,38 2,09 2,01 1,95 1,22 2,52 kr. Wert (H

01) 14,0 14,0 13,4 10,5 9,93 13,4 12,8 14,0 9,93 11,1 12,2 13,4 12,8

kr. Wert (H02) 4,67 4,67 4,71 4,99 5,07 4,71 4,75 4,67 5,07 4,92 4,80 4,71 4,75

TS-Statistik

LM(SUR)-Stat.

[t-Statistik] AU = Australien Q = Exportmenge IES = Index f. Exportsubventionen d_FHA = Dummie(p-Wert) ZL = Zielland MP = Milchpreis rBIP = reales Bruttoinlandsprodukt Freihandelszone

Kritischer Wert WK = Wechselkurs 1 = um eins verzögert

*) Andere Länder im Falle El Salvadors = Chileim Falle Mexikos = Argentinienim Falle Venezuelas = Brasilien



Sin

ga-

pur

Taiw

an

Tha

i-la

nd

Ch

ina

Indo

-n

esien

Sri

La

nka

Ma

lay-

sia

Saud

i A

rab

ien

Kan

ada

Mex

iko

Vene-

zuela

Ph

ilippi-

nen

36,66 (0,53)

24,93 (0,00)

El Sa

l-va

dor

8,72 (0,79)

11,71 (0,00)

41,10 (0,26)

22,62 (0,00)

15,29 (0,36)

1,68 (0,19)

45,69 (0,07)

18,74 (0,00)

d_FHA


6 Auswertung

96

In Tabelle 6.8 sind die Ergebnisse der 3SLS-Schätzung für VMP verzeichnet. Dabei

ist nur die Gleichung für die USA nicht enthalten, da sie nicht signifikant war. Die

Zusammenstellung der Importländer in Systeme von drei bzw. zwei Gleichungen

erfolgte primär nach gemeinsamen Importmarktcharakteristika. Allerdings gingen

verschiedene Kombinationen von Gleichungen mit hohen Werten der Sargan Teststa-

tistik einher und konnten somit nicht realisiert werden. Bei vier von fünf der abgebil-

deten Systeme kann die Exogenität der Instrumente auf einem Signifikanzniveau von

10% nicht abgelehnt werden. Im letzten System ergeben sich hingegen Hinweise auf

Endogenität, wobei der p-Wert von 0,07 allerdings noch über dem üblichen 5%-

Signifikanzniveau liegt. Der Hausman-Test zeigt ferner, dass eine Exogenität der

Exportmenge lediglich in vier Fällen abgelehnt wird und eine Instrumentierung folg-

lich nicht bei allen Gleichungen notwendig ist86. Beim letzten System kann das

Nichtablehnen der Nullhypothese allerdings auch aus einer fehlenden Exogenität der

Instrumente folgen, auf die der Sargan-Test hinweist. Wird vom Gleichungssystem

aus den Philippinen und Venezuela abgesehen, ist zu erwarten, dass die Schätzung

als 3SLS in allen Fällen zu einer höheren Effizienz als eine 2SLS-Schätzung führt;

dies geht aus den Ergebnissen des Breusch-Pagan-Tests hervor.

Die Bestimmtheitsmaße der dargestellten Gleichungen erreichen ähnlich hohe Werte

wie bei MMP. Es sollten also auch hier die wichtigsten Variablen erfasst sein. Der

niedrigste Wert für das Bestimmtheitsmaß ist in der residualen Nachfragegleichung

für Kanada zu erkennen. Diesbezüglich kann vermutet werden, dass kanadische

VMP-Importe sich im Wesentlichen auf die erste Stufe des Zollkontingents be-

schränken und weder inländische noch ausländische Unternehmen eine große Kon-

kurrenz darstellen. Dies wird auch dadurch bestätigt, dass der einzige Kostenshifter

mit signifikantem Einfluss der EU-Milchpreis ist.

Wie auch schon bei MMP sind bei VMP allerdings schwache Instrumente zu konsta-

tieren. Die Werte der F-Statistik der ersten Stufe fallen extrem niedrig aus. Folglich

dürfen auch hier die RNE-Koeffizienten nicht für Schlussfolgerungen verwendet

werden, da weder die Höhe noch die Signifikanz der Koeffizienten verlässlich ist.

Wird diese Tatsache wiederum für einen Moment ausgeblendet, zeigt sich in Tabelle

6.8 im Vergleich zu MMP ein geringerer Anteil signifikanter RNE-Koeffizienten mit

z.T. niedrigeren t-Statistiken. Ferner schwankt deren Höhe stärker, wobei im Falle

der Philippinen mit einer geschätzten Höhe von -0,38 der höchste Betrag der RNE 86 Wiederum sei auf mögliche Auswirkungen schwacher Instrumente auf die Teststatistik des Haus-man-Tests hingewiesen.

6 Auswertung

97

erreicht ist, welcher einem Markup von 38% entspricht. Auch wenn vor allem die

Signifikanz dieser Werte nicht gesichert ist, so wurde bereits ausgeführt, dass die

Höhe eher unterschätzt werden dürfte. Die geschätzten RNE-Koeffizienten können

somit maximal als vorsichtige Hinweise auf Marktmacht betrachtet werden. Interes-

sant ist ein Vergleich mit den Ergebnissen zu langfristigem PTM. Abgesehen von Sri

Lanka weisen alle Importländer, bei denen in Kapitel 6.1.4 in höherem Maße PTM

festgestellt wurde, in Tabelle 6.8 einen signifikant negativen Wert auf.

Wird die Konkurrenzsituation betrachtet, so sind vor allem signifikante Einflüsse der

australischen und europäischen Kostenshifter zu erkennen. Die USA spielen für den

Wettbewerb hingegen nur bei drei Importländern eine Rolle. Weiterhin sind Chile,

Argentinien und Brasilien jeweils im Wettbewerb eines Importlandes von Bedeu-

tung. Hinweise auf inländische Konkurrenz ergeben sich in Form von signifikanten

Koeffizienten der Milchpreise nur bei Sri Lanka und Malaysia.

Anders als bei MMP sind bei Australien sowohl die Koeffizienten der WK als auch

die des Milchpreises bei einer Reihe von Importländern signifikant. Der Milchpreis

scheint also für Australien trotz der oben angestellten Überlegungen ein adäquater

Kostenshifter zu sein – zumindest bei VMP, dass sowohl die Fett- als auch Eiweiß-

komponente der Milch enthält. Die Werte der Koeffizienten sind jedoch für den WK

höher, wenn auch schwankend über die Importländer. Keinen Einfluss haben hinge-

gen die australischen Kosten auf die Exportpreise nach Kanada und den Philippinen,

was für letztere aufgrund eines beachtlichen Importanteils verwundert.

Im Fall der EU weist mindestens ein Kostenshifter in jedem Importland einen signi-

fikanten Einfluss auf. Wie auch bei MMP sind die höchsten t-Werte für den IES zu

verzeichnen; dessen Koeffizienten sind zwar je nach Importland sehr unterschiedlich,

weisen aber oftmals Werte von eins oder höher aus. Da die Exporterstattungen un-

mittelbar für die europäischen Exporteure spürbar sind, gehen von ihnen offensicht-

lich starke Auswirkungen auf die Preisfindung aus. Von den WK-Koeffizienten ist

für die EU hingegen nur ein einziger signifikant. Solch ein Ergebnis könnte bspw.

auch durch praktiziertes PTM ausgelöst werden.

Auch für VMP ist in vier Fällen ein signifikanter Einfluss des realen BIP zu ver-

zeichnen, allerdings in zwei Fällen mit negativen Vorzeichen. Ferner weist auch der

FHA-Dummy für Singapur einen signifikanten Koeffizienten auf. Dieser sollte aller-

dings nicht negativ, sondern positiv sein, da ein FHA einen Zollsatzvorteil eröffnet

und somit die Möglichkeit einen höheren Preis vor Zollentrichtung zu fordern.

6 Auswertung

98

Tabelle 6.9: Ergebnisse der 3SLS- und 2SLS-Schätzungen87 für Butter

Zielland (ZL)

unabh. Var.

Konstante -0,76 1,51 2,50 4,76 -2,36 7,04 21,7 -3,61 -11,1 2,23 10,7 0,89 297[-0,55] [1,36] [1,72] [2,15] [-0,63] [2,18] [2,75] [-1,23] [-3,33] [1,06] [3,99] [0,55] [1,49]

lnQ_ZL -0,04 -0,06 -0,11 -0,07 0,01 -0,15 -0,37 0,03 -0,11 -0,21 0,02 0,06 -0,08[-1,87] [-1,23] [-2,40] [-1,97] [0,14] [-1,23] [-3,88] [1,32] [-2,71] [-3,39] [0,49] [1,73] [-1,39]

lnWK_ZL_AU 1,02 0,24 0,67 -0,87 -0,35 -0,59 -0,13 1,78 1,06 0,10 0,82[3,10] [1,10] [1,48] [-2,24] [-1,05] [-0,96] [-0,26] [4,62] [2,40] [0,41] [3,62]

lnMP_AU_1 -0,23 0,15 -0,11 0,04 0,49 -1,09 0,55 0,56[-1,16] [1,01] [-0,41] [0,13] [1,78] [-2,05] [2,94] [2,50]

lnWK_ZL_EU 0,05 0,49 0,21 1,10 0,98 -0,14 0,38 -1,34 -1,15 0,20 0,09 0,21[0,12] [2,01] [0,48] [2,86] [2,22] [-0,42] [0,96] [-2,96] [-2,48] [0,75] [0,37] [0,76]

lnIES_But_1 0,70 0,28 0,83 0,23 0,46 0,05 0,38 -0,04 0,74 0,54 0,86 0,44[6,89] [2,51] [4,85] [0,86] [1,71] [0,37] [2,16] [-0,17] [4,83] [7,11] [4,09] [2,78]

lnMP_EU_1 1,00 0,57 0,55 0,67 0,36 1,21 -0,10 0,51 0,12 0,52 0,29 0,55[4,00] [3,56] [1,93] [2,50] [1,23] [5,59] [-0,46] [1,84] [0,46] [3,51] [1,46] [2,60]

lnWK_ZL_USA 0,01 0,98 1,81 0,70 0,73 -51,7[0,10] [2,09] [4,23] [2,31] [2,08] [-1,54]

lnMP_USA_1 0,04 0,03 0,61 0,79 0,24 0,51[0,23] [0,17] [3,09] [3,95] [1,49] [3,25]

lnWK_ZL_UY -0,12 0,27 0,35 -0,28[-0,46] [1,13] [3,70] [-1,86]

lnMP_UY_1 0,43 0,40 0,34 0,27[2,35] [4,53] [3,71] [3,58]

lnrBIP_ZL -2,32 -1,09[-1,96] [-2,73]

lnMP_ZL_1 0,14 -0,44 2,30 1,66[2,03] [-1,61] [3,27] [3,96]

Trend 0,00 0,02 0,03 -0,08 0,01 -0,04 0,00[0,13] [1,20] [3,19] [-4,17] [2,66] [-3,24] [0,73]

Trend^2 0,00 -0,00 0,00 0,00 -0,00[0,30] [-2,12] [4,20] [1,89] [-2,25]

R² 0,825 0,898 0,912 0,905 0,926 0,284 0,671 0,788 0,858 0,745 0,844 0,911 0,901

TH

-Statistik 3,50 0,00 3,38 3,87 0,30 2,48 20,79 0,64 0,67 4,01 2,35 2,44 0,08(0,06) (0,98) (0,06) (0,05) (0,58) (0,11) (0,00) (0,42) (0,41) (0,04) (0,12) (0,11) (0,78)

F-Stat. (1. St.) 2,70 3,74 5,47 0,88 0,17 0,82 1,29 0,80 2,27 0,94 2,86 1,16 0,71 kr. Wert (H

01) 11,1 10,5 11,1 9,38 9,93 7,25 11,1 9,93 9,38 11,1 14,0 12,2 12,2

kr. Wert (H02) 4,92 4,99 4,92 5,15 5,07 4,92 5,07 5,15 4,92 4,67 4,80 4,80

TS-Statistik 0,79

LM(SUR)-Stat. (0,37)

[t-Statistik] AU = Australien Q = Exportmenge IES = Index für Exportsubventionen(p-Wert) UY = Uruguay MP = Milchpreis rBIP = reales Bruttoinlandsprodukt

Kritischer Wert ZL = Zielland WK = Wechselkurs 1 = um eins verzögert



29,77 (0,16)

30,99 (0,00)

10,66 (0,71)

0,21 (0,65)

14,66 (0,20)

2,49 (0,13)

Malay-sia

Mexik

o

17,42 (0,18)

7,73 (0,01)

41,98 (0,14)

58,89 (0,00)

Sau

di

Arab

ien

Ch

ina

Hon

g-k

ong

Ind

o-n

esien

Ägyp

ten

US

A

Au

stra-lien

Kan

ada

Sin

ga-p

ur

Ph

ilipp

i-n

en

Belgien


87 Wenn auch in den Tabellen 6.7, 6.8 und 6.9 nicht aufgeführt, wurden die Modelle auf Autokorrela-tion und stichprobenartig auf Heteroskedastizität der Residuen getestet. Die Ergebnisse zeigten, dass vereinzelt Autokorrelation auftrat. Um den Rahmen der vorliegenden Arbeit nicht zu sprengen, wurde dieses Problem allerdings nicht weiter verfolgt, zudem war es bei Systemschätzungen in Gretl nicht möglich, robuste Schätzer der Standardfehler zu wählen.

6 Auswertung

99

Bei den Schätzungen für Butter, deren Ergebnisse in Tabelle 6.9 abgetragen sind, gab

es deutlich stärker als zuvor Probleme mit Endogenität der Instrumente. Dies führte

dazu, dass mehr Systeme mit zwei Gleichungen und Belgien als Einzelgleichung mit

dem 2SLS-Verfahren geschätzt werden musste. Bei Marokko, der Russische Födera-

tion und Taiwan konnte die Exogenität selbst bei 2SLS abgelehnt werden, weswegen

diese Gleichungen nicht aufgelistet wurden. Ferner sind in Tabelle 6.9 oftmals höhe-

re Werte der Sargan-Teststatistik sichtbar, obgleich die Exogenität der Instrumente

auf einem 10%-Niveau in allen Fällen nicht abgelehnt werden konnte. Entsprechend

des Hausman-Tests wäre eine Instrumentierung in den meisten Fällen allerdings

nicht erforderlich88. Es ist unklar, ob dieses Ergebnis auch durch ein höheres Risiko

der Instrumentenendogenität bedingt ist. Weiterhin zeigt der Breusch-Pagan-Test,

dass die Nullhypothese keiner kontemporären Korrelation der Residuen nicht bei

jedem Gleichungssystem abgelehnt werden kann. Somit bietet die 3SLS-Schätzung

nicht bei allen Gleichungen eine Erhöhung der Schätzeffizienz.

Obwohl auch in Tabelle 6.9 eine Reihe von Gleichungen hohe Werte des Be-

stimmtheitsmaßes aufweisen, so gilt dies nicht für alle Gleichungen; bspw. kann für

Australien und insbesondere für Belgien nur ein weit geringerer Anteil der Varianz

des Exportpreises erklärt werden. Auffällig ist, dass beide Länder große Exporteure

sind, Neuseeland einen Importanteil von jeweils über 90% hat und entweder Zoll-

kontingente nutzt oder stärker differenzierte Produkte exportieren wird.

Auch bei Butter ändert sich nichts an der Problematik, dass schwache Instrumente

vorliegen, auch wenn einzelne Werte der F-Statistik etwas höher ausfallen. Damit

sind auch hier die zu MMP und VMP genannten Einschränkungen verbunden. Das

heißt, dass prinzipiell keine Schlussfolgerungen aus den geschätzten RNE-Koeffi-

zienten möglich sind. Dennoch werden die geschätzten Werte kurz betrachtet, um

den Ländern der Stichprobe mögliche Hinweise auf Marktmacht zuordnen zu kön-

nen. Je nach Niveau ist in Tabelle 6.9 ca. die Hälfte der RNE-Koeffizienten signifi-

kant. Dabei sind, mit Ausnahme von Mexiko, die erwarteten negativen Vorzeichen

zu erkennen und ein Bereich von -0,04 bis -0,37 zu verzeichnen. Interessant ist vor

allem, dass der höchste Betrag der geschätzten RNE bei Australien, als Konkurrenz-

land Neuseelands, auftaucht. Dies könnte allerdings durchaus plausibel sein. In Kapi-

tel 6.1.4 wurde bzgl. eines positiven PTM-Koeffizienten ausgeführt, dass Neuseeland

primär differenzierte Butter-Produkte nach Australien exportieren könnte. Dies wür- 88 Wiederum liegen auch hier schwache Instrumente vor, wodurch sich Zweifel an der Aussagekraft des Hausman-Tests ergeben.

6 Auswertung

100

de somit eine höhere RNE, wie in Tabelle 6.9 für Australien abgetragen, möglich

erscheinen lassen. Wird generell mit den Ergebnissen langfristigen PTMs verglichen,

finden sich allerdings nur wenige Ansatzpunkte. Das heißt, für die Importländer, bei

denen langfristiges PTM zu verzeichnen war, sind nur wenige signifikante RNE-

Koeffizienten in Tabelle 6.9 zu erkennen.

Für Australien zeigen sich in Tabelle 6.9 nur bei 7 Ländern auf 5%-Niveau signifi-

kante Kostenshifter. Das passt zumindest zu den allgemein niedrigeren Importantei-

len Australiens in der Butter-Stichprobe. Weiterhin weisen die Koeffizienten nicht in

allen Fällen das erwartete Vorzeichen auf, wobei bereits ausgeführt wurde, dass ne-

gative Vorzeichen bei Produkt-Inhomogenitäten auftreten könnten.

Die EU ist auch bei Butter auf allen Importmärkten ein wesentlicher Konkurrent, was

daran sichtbar wird, dass für jedes Importland zumindest ein Koeffizient der Kosten-

shifter signifikant ist. Allerdings sind je nach Land sehr unterschiedliche Höhen der

Koeffizienten zu erkennen. Dies wird besonders beim IES sichtbar, bei welchem im

Unterschied zu MMP und VMP erstmals mehrere nicht-signifikante Werte zu be-

obachten sind. Eine Erklärung dafür könnte ein geringerer Wettbewerb zwischen den

EU-Exportunternehmen sein, so dass Kostenvorteile nicht direkt weitergegeben wer-

den. Eine andere Möglichkeit wäre eine geringe Substituierbarkeit zwischen neusee-

ländischer und EU-Butter durch Produktdifferenzierung.

Auf einzelnen Importmärkten kommen noch die USA und Uruguay als Konkurrenten

hinzu. Obwohl die USA auf einigen dieser Märkte nur geringe Importanteile ver-

zeichnen können, weisen ihre Kostenshifter bei fünf Ländern signifikante Koeffi-

zienten mit relativ hohen Werten auf. Dagegen sind die Koeffizienten uruguayischer

Kostenshifter zwar auch mindestens in einem Fall pro Importland signifikant, befin-

den sich jedoch in einem Bereich zwischen 0,27 und 0,43, was ein Indiz für eine nur

bedingte Austauschbarkeit mit neuseeländischer Butter ist.

Auch bei Butter ergibt sich nur in drei Fällen ein signifikanter inländischer Kosten-

shifter in Form des Milchpreises. Folglich scheinen auch hier Importe nur selten (wie

z.B. im Fall der EU) mit inländischen Produkten zu konkurrieren – zumindest wird

eine Konkurrenz nicht durch den gewählten Kostenshifter abgebildet. Weiterhin ist

der Einfluss des realen BIP ebenfalls nur bei zwei Importländern signifikant. Die

negativen Werte in diesen Fällen zeigen, dass ein Einkommensanstieg den Preis von

neuseeländischer Butter im Vergleich zur Konkurrenz sinken lässt.

7 Diskussion

101

7 Diskussion

Im Folgenden sollen die im Kapitel 6 angewandten Ansätze und die daraus gewon-

nenen Ergebnisse diskutiert werden. Dabei steht vor allem ein Vergleich der Ansätze

im Fokus, da die Einzelergebnisse zum Teil schon im Rahmen der Ergebnisvorstel-

lung in Kapitel 6 diskutiert wurden.

Methodisch gesehen tauchten sowohl beim PTM- als auch beim Residual-Demand-

Ansatz Probleme auf. Bei ersterem resultierten diese aus Autokorrelation und

Heteroskedastizität der Residuen, bei letzterem aus schwachen Instrumenten. Als

bedeutender dürfte dabei das Problem schwacher Instrumente zu sehen sein, vor al-

lem da dieses, sofern alternative Instrumente auch nicht besser geeignet sind, nicht

einfach behoben werden kann. In der Theorie sind die als Instrumente verwendeten

Kostenshifter WK und Milchpreis hervorragend geeignet89. Damit stellt sich die Fra-

ge, warum dies in der vorliegenden Arbeit nicht der Fall war. Ein Grund dafür dürf-

ten hohe Schwankungen in den Handelsmengen sein, die nicht auf beobachtbare Fak-

toren zurückzuführen sind. Dadurch, dass in dieser Arbeit die Notwendigkeit bestand

Quartalsdaten zu verwenden, dürfte sich diese Problematik noch verschärft haben.

Des Weiteren wurde mit der Untersuchung von PTM festgestellt, dass WK-Entwick-

lungen teilweise durch die Preissetzung ausgeglichen werden. Auch das führt dazu,

dass die WK einen geringeren Einfluss auf die Exportmengen haben.

Auch wenn der PTM-Ansatz gewisse Nachteile aufweist, wie z.B. das Marktmacht

nur zu bestimmten Bedingungen und deren Höhe gar nicht nachgewiesen werden

kann, zeigt sich doch, dass er sicherere Hinweise auf Marktmacht liefern konnte als

der Residual-Demand-Ansatz. Bei letzterem führte das beschriebene Problem der

schwachen Instrumente dazu, dass sowohl Höhe als auch Signifikanz der RNE-

Koeffizienten verzerrt waren. Alternativ könnte die residuale Nachfrage auch mit

OLS oder SUR geschätzt90 und die RNE-Koeffizienten als unterschätzt betrachtet

werden. Dies hätte aber den zusätzlichen Nachteil, dass auch alle anderen Koeffi-

zienten des Modells, d.h. die der Nachfrage- und Kostenshifter, verzerrt wären.

In puncto Datenerfordernisse und -verfügbarkeit konnten keine wesentlichen Nach-

teile des Residual-Demand-Ansatzes gegenüber dem PTM-Ansatz festgestellt wer-

den. Obgleich für den PTM-Ansatz weniger Daten benötigt werden, sind die wesent-

lichen Daten für beide Ansätze verfügbar – wenn auch zum Teil nicht öffentlich. 89 Auch intuitiv sollten aus höheren Kosten (und damit Preisen) geringere Exportmengen folgen. 90 Der Hausman-Test hat zwar oft die Exogenität der Exportmenge nicht ablehnen können, allerdings besteht die Gefahr, dass die Teststatistik vom Problem der schwachen Instrumente betroffen ist.

7 Diskussion

102

Aufgrund des Problems schwacher Instrumente und der damit einhergehenden Ver-

zerrungen von Höhe und Signifikanz der RNE-Koeffizienten ist ein Vergleich dieser

mit den PTM-Koeffizienten problematisch. Allerdings wurde in Kapitel 6.2.3 eben-

falls ausgeführt, dass die Höhe der RNE-Koeffizienten tendenziell in Richtung des

Ablehnens von Marktmacht verzerrt ist. Somit werden die geschätzten RNE-

Koeffizienten hier als vorsichtige Hinweise für Marktmacht gesehen und in Tabelle

7.1 wird lediglich das Vorhandensein signifikanter Koeffizienten auf den einzelnen

Importmärkten illustriert. Es sei allerdings darauf hingewiesen, dass diese vermeint-

liche Signifikanz der RNE-Koeffizienten nach wie vor nicht gesichert ist.

Tabelle 7.1: Übersicht der auf 10%-Niveau signifikanten Koeffizienten

Ägyp

ten

Au

stralien

Belgien

Ch

ina

El S

alvador

Hon

gkon

g

Ind

onesien

Japan

Kan

ada

Malaysia

Marok

ko

Mexik

o

Ph

ilipp

inen

Ru

ss. Föd

.

Sau

di-A

rab.

Sin

gapu

r

Sri L

ank

a

Taiw

an

Th

ailand

US

A

Ven

ezuela

MMP

PTM

RNE

VMP

PTM

RNE

Butter

PTM

RNE

negativer PTM-Koeffizient positiver PTM-Koeffizient negativer RNE-Koeffizient


Für PTM wurden in Tabelle 7.1 ferner die Koeffizienten des langfristigen PTM dar-

gestellt, da kurzfristiges PTM entsprechend der Diskussion in Kapitel 6.1.4 primär

als Ausgleich temporärer WK-Änderungen gesehen wird. Da mittels PTM Markt-

macht nur unter bestimmten Bedingungen festgestellt werden kann, sollten sich mehr

signifikante RNE- als PTM-Koeffizienten finden lassen. Weiterhin sollte zu jedem

signifikanten PTM-Koeffizient auch ein signifikanter RNE-Koeffizient vorhanden

sein (aber nicht umgekehrt). Wie in Tabelle 7.1 sichtbar wird, ist dies nicht der Fall,

d.h. es wird oftmals PTM festgestellt, aber kein signifikanter Wert der RNE. Dies

könnte ein Anzeichen dafür sein, dass PTM kein guter Indikator für Marktmacht ist

bzw. die PTM-Koeffizienten durch andere Effekte entstehen. Andererseits könnte

diese Beobachtung den konstatierten Umstand bestärken, dass der RNE-Koeffizient

durch schwache Instrumente in Richtung des Ablehnens von Marktmacht verzerrt ist.

7 Diskussion

103

Für die Importländer, für die sowohl signifikante PTM- als auch RNE-Koeffizienten

erscheinen, ist dies hingegen ein starker Hinweis auf eine Marktmacht Fonterras –

insbesondere wenn dies auf mehreren Märkten auftritt. Ein solcher Fall liegt bspw.

für die Philippinen oder Malaysia vor. Eine weitere interessante Beobachtung in Ta-

belle 7.1 ist, dass auch signifikante RNE-Koeffizienten zusammen mit positiven

PTM-Koeffizienten auftauchen.

Auffallend ist allerdings auch, dass langfristiges PTM für MMP im gepoolten Modell

abgelehnt werden konnte, sich aber für die MMP-Importmärkte beinahe ebenso viele

signifikante RNE-Koeffizienten finden lassen wie für VMP und Butter. Natürlich

könnten die entsprechenden Koeffizienten aufgrund schwacher Instrumente fälschli-

cherweise signifikant sein. Das beantwortet aber nicht, wieso auf den VMP- und But-

termärkten Marktmacht ausgeübt werden kann und auf den MMP-Märkten nicht.

Eine mögliche Erklärung ist, dass der Wettbewerb und die Anzahl Wettbewerber auf

dem MMP-Markt im Beobachtungszeitraum geringer waren als auf den anderen

Märkten. Dafür spricht, dass die EU im Beobachtungszeitraum stark rückläufige

MMP-Exportmengen aufwies und die US-amerikanischen MMP-Exporte von Fon-

terra abgewickelt wurden. Somit könnte PTM in Form der Stabilisierung der In-

landspreise nicht nötig gewesen sein. Andererseits zeigten sich sowohl für die EU als

auch für die USA signifikante Einflüsse der Kostenshifter bei MMP in Tabelle 6.7,

obwohl die geschätzten Werte teilweise geringer waren als bei VMP.

Allgemein sind signifikante Koeffizienten der Kostenshifter von Konkurrenten bzw.

deren Höhen in vielen Fällen mit der Höhe des Marktanteils der Konkurrenten zu

erklären, in vielen Fällen aber auch nicht. Speziell für die Exporterstattungen der EU

ergeben sich in fast allen Fällen signifikante Werte, die auch oft nahe eins sind. Das

zeigt, dass die Exporterstattungen der EU einen großen Einfluss auf die Preisbildung

in den jeweiligen Märkten haben, auch wenn der Importanteil der EU nicht beson-

ders groß ist. Dass dem so ist, wird nicht zuletzt auf die unmittelbare Wirkung der

Exporterstattungen auf die Kosten- bzw. Erlösseite europäischer Exportunternehmen

und die Transparenz der Exporterstattungen für die Importeure zurückzuführen sein.

Am schwächsten ist die Wirkung der Exporterstattungen indes auf den Importmärk-

ten für Butter. Dies könnte sowohl durch einen geringeren Wettbewerb zwischen den

europäischen Exporteuren als auch durch eine geringere Homogenität innerhalb des

Produkts Butter bedingt sein.

8 Zusammenfassung der Ergebnisse & Fazit

104


Grundsätzlich lässt sich festhalten, dass sowohl der PTM-Ansatz als auch der Resi-

dual-Demand-Ansatz für die Analyse von Marktmacht auf den internationalen Märk-

ten für Milcherzeugnisse geeignet sind. Allerdings waren mit der Anwendung beider

Ansätze auch einige methodische Probleme verbunden. Diese schränken, in Form

schwacher Instrumente, insbesondere die Aussagekraft der geschätzten Werte der

RNE ein. Obgleich die RNE-Koeffizienten tendenziell in Richtung des Ablehnens

von Marktmacht verzerrt sind, sind zur Analyse von Marktmacht primär die Ergeb-

nisse des PTM-Ansatzes von Interesse. Dies resultiert daraus, dass auch die Stan-

dardfehler und damit die Signifikanz der RNE-Koeffizienten verzerrt sind.

Je nachdem, ob zur Bestimmung von PTM Quartals- oder Jahresdaten genutzt wur-

den (kurz- und langfristiges PTM), sind verschiedene Ergebnisse zu konstatieren.

Kurzfristiges PTM erfolgt dabei offensichtlich eher zum Ausgleich von temporären

WK-Schwankungen und wirkt damit kurzfristig schwankenden Preisen in Währung

des Importlandes entgegen. Langfristiges PTM hingegen scheint mit einer langfristi-

gen Anpassung des optimalen Markups einherzugehen.

Ein wichtiges Ergebnis zu kurzfristigem PTM ist es, dass dies über alle untersuchten

Importländer und Milcherzeugnisse intendiert zu sein scheint. Das heißt, es bestehen

Anzeichen dafür, dass Fonterra auf quartalsübergreifende Kontrakte setzt und in die-

sen versucht die voraussichtliche WK-Entwicklung zum Zeitpunkt der Kontrakterfül-

lung über die Preissetzung auszugleichen. Diese Erklärung für das vorliegende Mus-

ter in den Koeffizienten ist allerdings nur mit den Ergebnissen bei MMP und Butter

konsistent. Das zu beobachtende Muster bei VMP kann hingegen nicht vollständig

erklärt werden. Aus diesem Grund ist für das Auftreten von signifikanten Koeffizien-

ten verzögerter WK-Änderungen, was hier als intendiertes PTM bezeichnet wurde,

weiterer Forschungsbedarf zu konstatieren. Unter der Annahme, dass die Bezahlung

der untersuchten Milcherzeugnisse zum Zeitpunkt der Verschiffung erfolgt, führte

das intendierte PTM lediglich bei Butter dazu, dass in allen Ländern ein tatsächliches

PTM, d.h. eine tatsächliche Stabilisierung der Preise im Importland, erfolgte. Bei

MMP und VMP trat dies hingegen nur bei wenigen Importländern auf.

Als PTM im eigentlichen Sinne des für das Knetter-Modell vorgestellten Erklärungs-

ansatzes wird langfristiges PTM gesehen. Dies konnte bei VMP und Butter für eine

ganze Reihe an Importländern festgestellt werden, musste für MMP aber insgesamt

abgelehnt werden. Die geschätzten Koeffizienten weisen größtenteils das erwartete


105

Vorzeichen auf und sprechen dafür, dass in den betreffenden Importländern zwischen

4% und 58% der WK-Änderungen durch eine entsprechende Preissetzung Fonterras

ausgeglichen werden; dies ist ein starker Hinweis auf existierende Markups. Ob für

ein Importland PTM praktiziert wird, kann jedoch keinen Marktcharakteristika zuge-

ordnet werden. Es sind lediglich Hinweise zu finden, dass PTM häufiger festgestellt

wird, wenn die Anzahl der Konkurrenten steigt.

Zwar können die langfristigen PTM-Koeffizienten mit den RNE-Koeffizienten ver-

glichen werden, dies ist aber aufgrund der konstatierten Verzerrungen nicht unprob-

lematisch. Werden die RNE-Koeffizienten lediglich als vorsichtige Hinweise auf

Marktmacht gesehen, kann bei einigen Importländern der mittels des PTM-Ansatzes

festgestellte Hinweis auf Marktmacht unterstützt werden. Die (verzerrt) geschätzten

Werte der RNE lassen in den betreffenden Importländern Markups von Fonterra in

einem Bereich von 3% bis 37% vermuten.

Die Koeffizienten der Nachfrage- und Kostenshifter im Residual-Demand-Ansatz

konnten sowohl unverzerrt als auch konsistent geschätzt werden und erlauben zusätz-

liche Einblicke in die Wettbewerbssituation der einzelnen Importmärkte. Wesentli-

che Konkurrenten sind demnach vor allem die EU und Australien. Für die Import-

länder, in die auch die USA exportieren, treten auch diese als signifikanter Konkur-

rent auf und das obwohl zumindest der Großteil der US-MMP-Exporte von Fonterra

abgewickelt wird. Weitere vereinzelt auftretende, aber dennoch wichtige Konkurren-

ten sind die Ukraine, Belarus, Chile, Argentinien, Brasilien und Uruguay. Die jeweils

inländischen Produzenten stellen hingegen in den meisten Fällen keine bedeutende

Konkurrenz dar. Eine gesonderte Betrachtung verdient der aus den Exporterstattun-

gen konstruierte Kostenshifter IES. Dieser weist auf allen Importmärkten einen

hochsignifikanten Einfluss auf und zeigt, dass die europäischen Exporterstattungen

in vielen Ländern sehr stark die neuseeländische Preissetzung beeinflussen. Am ge-

ringsten ist dieser Einfluss auf den Importmärkten für Butter ausgeprägt.

Zusammenfassend kann festgehalten werden, dass deutliche Hinweise darauf beste-

hen, dass Fonterra auf einzelnen Importmärkten Marktmacht besitzt und somit teil-

weise Preisdiskriminierung bzw. ein beschränktes Discriminatory-Pricing ausübt.

Diese Marktmacht wird in vielen Fällen hauptsächlich durch die Marktpräsenz der

EU und Australien begrenzt. Ein stärkeres Engagement Fonterras in Australien und

ein fortschreitender Rückzug der EU von den internationalen Märkten dürfte Fonter-

ra somit eine deutlich höhere Marktmacht in den betrachteten Ländern verschaffen.

Literaturverzeichnis

VIII


ARELLANO, M. (1987): Computing Robust Standard Errors for Within-Groups Esti-

mators, in: Oxford Bulletin of Economics and Statistics, Vol. 49, pp. 431-434.

ARELLANO, M. (2003): Panel Data Econometrics, Oxford.

ARMENTANO, L., DOBSON, W.D., JESSE, E.V. AND N. OLSON (2004): The Dairy Sec-

tors of New Zealand and Australia: A Regional Study, Babcock Institute Dis-

cussion Paper No. 2004-3, University of Wisconsin, Madison, Wisconsin.

BAILEY, K.W. (2002): Implications of Dairy Imports: The Case of Milk Protein Con-

centrates, in: Agricultural and Resource Economics Review 31/2, October

2002, S. 248-259.

BAILEY, K.W. (2004): A Multiple-Component Analysis of US Dairy Trade, in: Jour-

nal of Dairy Science, Vol. 87, No. 6, S. 1934-1944.

BAKER, J.B. AND T.F. BRESNAHAN (1985): The gains from merger or collusion in

product-differentiated industries, in: Journal of Industrial Economics, Vol. 33,

No. 4, pp. 427-444.

BAKER, J.B. AND T.F. BRESNAHAN (1988): Estimating the Residual Demand Curve

Facing a Single Firm, in: International Journal of Industrial Organization, Vol.

6, No. 3, pp. 283-300.

BALTAGI, B.H. (2005): Econometric Analysis of Panel Data, 3rd Edition, Chichester.

BECK, N. AND J.N. KATZ (1995): What to do (and not to do) with Time-Series Cross-

Section Data, in: The American Political Science Review, Vol.89, pp. 634-647.

BESTER, H. (2004): Theorie der Industrieökonomik, 3. Auflage, Berlin.

BMELV (Bundesministerium für Ernährung, Landwirtschaft und Verbraucherschutz)

(2008a): Die Unternehmensstruktur der Molkereiwirtschaft in Deutschland

2006, Oktober 2008, Bonn.

BMELV (2008b): Chancen und Herausforderungen für den deutschen Milchexport,

Oktober 2008, Berlin.

BRESNAHAN, T.F. (1982): The oligopoly solution concept is identified, in: Economic

Letters, Vol. 10, pp. 87-92.


IX

BRESNAHAN, T.F. (1989): Empirical studies of industries with market power, in:

SCHMALENSEE, R. AND R. WILLIG (eds.): Handbook of Industrial Organization,

Vol. 2, North-Holland, Amsterdam, pp. 1011-1057.

CAREW, R. AND W. FLORKOWSKI (2003): Pricing to Market Behavior by Canadian

and U.S. Agrifood Exporters: Evidence from Wheat, Pulse and Apples, in: Ca-

nadian Journal of Agricultural Economics, Vol. 51, No. 2, pp. 139-159.

COX, T. AND Y. ZHU (2005): Dairy: Assessing World Markets and Policy Reforms:

Implications for Developing Countries, in: WORLD BANK (2005): Global Agri-

cultural Trade and Developing Countries, Editors: Aksoy, M.A. and J.C. Beg-

hin, Washington, DC.

CROPP, B. (2001): Dairy Price Support Options, Paper presented at the Reno, Neva-

da Conference “Making a Deal inside the Next Farm Bill”, University of Wis-

consin-Madison, October 2001.

DAIRY AUSTRALIA (2008a): Dairy 2008: Situation and Outlook, Victoria, Australia.

DAIRY AUSTRALIA (2008b): Australian Dairy Industry in Focus 2008, Victoria, Aus-

tralia.

DG AGRI (Directorate-General for Agriculture and Rural Development) (2009):

Prospects for Agricultural Markets and Income in the European Union 2008-

2015, March 2009, Brussels.

DOBSON, W.D. (1990): The Competitive Strategy of the New Zealand Dairy Board,

in: Agribusiness, Vol. 6, No. 6, S. 541-558.

DOBSON, W.D. (2004): The Status of Multilateral and Bilateral Trade Talks – Impli-

cations for the U.S. Dairy Industry, Babcock Institute Discussion Paper No.

2004-1, University of Wisconsin, Madison, Wisconsin.

DOBSON, W.D. (2008): The Future Role of the U.S. in World Dairy Markets, Bab-

cock Institute Discussion Paper No. 2008-1, University of Wisconsin, Madison,

Wisconsin.

DOBSON, W.D. AND A. WILCOX (2002): How Leading International Dairy Compa-

nies Adjusted to Changes in World Markets, Babcock Institute Discussion Pa-

per No. 2002-4, University of Wisconsin, Madison, Wisconsin.


X

DORNBUSCH, R. (1987): Exchange Rates and Prices, in: American Economic Re-

view, Vol. 77, No. 1, March 1987, pp. 93-106.

EU-KOMMISSION (2006): Milk und Milk Products in the European Union, August

2006, Luxemburg.

FAHLBUSCH, M., BAHR, A., BRÜMMER, B. UND A. SPILLER (2009): Der Markt für

Milch und Milcherzeugnisse, in: Agrarwirtschaft 58, Heft 1, S. 36-52, Frankfurt

am Main.

FAO (Food and Agricultural Organization of the United Nations) (2009): FAOSTAT

Database, URL: http://faostat.fao.org, Abrufdatum: 30.05.2009, Rom.

FAPRI (Food and Agricultural Policy Research Institute) (2009): U.S. and World

Agricultural Outlook 2008, FAPRI Staff Report 09-FSR 1, Ames, Iowa, USA.

FEENSTRA, R.C. (1989): Symmetric Pass-Through of Tariffs and Exchange Rates

under Imperfect Competition: An Empirical Test, in: Journal of International

Economics, February 1989, pp. 25-45.

FONTERRA (2008): Annual Report 2008 – Financial Statements, Fonterra Co-

operative Group Limited, URL: http://www.fonterra.com.

GAGNON, J.E. AND M.M. KNETTER (1995): Markup Adjustment and Exchange Rate

Fluctuations: Evidence from Panel Data on Automobile Exports, in: Journal of

International Money and Finance, Vol. 14, No. 2, April 1995, pp. 289-310.

GAST, M. (2002): Zollkontingente bei US-amerikanischen Käseimporten, in: Agrar-

wirtschaft 51, Heft 4, S. 192-202, Frankfurt am Main.

GLAUBEN, T. AND J.-P. LOY (2003): Pricing-to-Market versus Residual Demand

Elasticity Analysis of Imperfect Competition in Food Exports: Evidence from

Germany, in: Journal of Agricultural & Food Industrial Organization 1.

GLOY, D. (2009): Aussage im Rahmen des Workshops „Wissenschaft trifft Wirtschaft

– Lieferantenmanagement nach der Quote“, Bremen, 6.-7. Januar 2009.

GOLDBERG, P.K. AND M.M. KNETTER (1997): Goods Prices and Exchange Rates:

What have we learned? in: Journal of Economic Literature, Vol. 35, No. 3,

September 1997, pp. 1243-1272.


XI

GOLDBERG, P.K. AND M.M. KNETTER (1999): Measuring the intensity of competition

in export markets, in: Journal of International Economics Vol. 47, No. 1, Feb-

ruary 1999, pp. 27-60.

GRAMS, M. (2004): Analyse der EU-Milchmarktpolitik bei Unsicherheit, Dissertati-

on, Humboldt-Universität zu Berlin.

GRIFFITH, G. AND J. MULLEN (2001): Pricing-to-Market in NSW Rice Export Mar-

kets, in: Australian Journal of Agricultural and Resource Economics, Vol. 45,

No. 3, pp. 323-334.

GTIS (Global Trade Information Services) (2009): Global Trade Atlas, URL: http://

www.gtis.com, Abrufdatum: 10.08.2009, Columbia, USA.

HACKL, P. (2005): Einführung in die Ökonometrie, München.

HSIAO, C. (2003): Analysis of Panel Data, Second Edition, Econometric Society

Monographs No. 34, Cambridge.

HÜBLER, O. (2003): Neuere Entwicklungen in der Mikroökonometrie, in: FRANZ, W.,

RAMSER, H.J. UND M. STADLER (Hrsg.): Empirische Wirtschaftsforschung –

Methoden und Anwendungen, Wirtschaftswissenschaftliches Seminar Ottobeu-

ren 32, Mohr Siebeck, S. 1-35.

IFCN (International Farm Comparison Network) (2008): Dairy Report 2008, IFCN

Dairy Research Center, Kiel.

JESSE, E.V. AND W.D. DOBSON (2008): U.S. Dairy Trade: Situation and Outlook

2008, Babcock Institute Discussion Paper No. 2008-2, University of Wiscon-

sin, Madison, Wisconsin.

KASA, K. (1992): Adjustment costs and pricing-to-market: Theory and evidence, in:

Journal of International Economics, Vol. 32, No. 1-2, pp. 1-30.

KNETTER, M.M. (1989): Price Discrimination by U.S. and German Exporters, in:

The American Economic Review, Vol. 79, No. 1, March 1989, pp. 198-210.

KNETTER, M.M. (1992): Is Price Adjustment Asymmetric?: Evaluating the Market

Share and Marketing Bottlenecks Hypothesis, Working Paper No. 4170, Na-

tional Bureau of Economic Research (NBER), Cambridge.

KNETTER, M.M. (1993): International Comparisons of Pricing-to-Market Behavior,

in: The American Economic Review, Vol. 83, No. 3, pp. 473-489.


XII

KNETTER, M.M. (1995): Pricing to Market in Response to Unobservable and Ob-

servable Shocks, in: International Economic Journal, Vol. 9, No. 2, pp. 1-25.

KOESTER, U. (2005): Grundzüge der landwirtschaftlichen Marktlehre, 3. Auflage,

München.

KRUGMAN, P. (1987): Pricing to market when exchange rate changes, in: ARNDT,

S.W. AND J.D. RICHARDSON (Eds.): Real financial linkages in open economies,

MIT Press, Cambridge, pp. 49-70.

LAU, L.J. (1982): On identifying the degree of competitiveness from industry price

and output data, in: Economic Letters, Vol. 10, pp. 93-99.

LAVOIE, N. AND Q. LIU (2007): Pricing-to-Market: Price Discrimination or Product

Differentiation?, in: American Journal of Agricultural Economics, Vol. 89, No.

3, pp. 571-581.

LOY, J.-P. (1995): Möglichkeiten zur Beurteilung von Markteffizienz: Theorie, Me-

thodik und eine erste Evaluierung für polnische Agrarmärkte in der Transfor-

mationsphase, Agrarökonomische Studien, Bd. 18, Kiel.

MASKUS, K.E., WILSON, J.S. AND T. OTSUKI (1999): Quantifying the Impact of

Technical Barriers to Trade – A Framework for Analysis, World Bank Policy

Research Working Paper No. 2512, November 30, 1999.

MDC (Milk Development Council) (2007): The UK´s Role in the Global Dairy Mar-

ket to 2020, May 2007, Cirencester, UK.

MURRAY, M.P. (2006): The Bad, the Weak, and the Ugly: Avoiding the Pitfalls of

Instrumental Variables Estimation, Working Paper, Bates Collage, Lewiston.

OECD (Organisation for Economic Cooperation and Development) (1999): An As-

sessment of the Costs for International Trade in Meeting Regulatory Require-

ments, Working Party of the Trade Committee, TD/TC/WP(99)8/FINAL, Paris.

OECD (2004): An Analysis of Dairy Policy Reform and Trade Liberalisation / An

Analysis of International Dairy Trade Liberalisation, Joint Working Party on

Agriculture and Trade, COM/AGR/TD/WP(2004)20/FINAL, Paris.

OECD-FAO (2008): Agricultural Outlook 2008 – Database, URL: http://www.agri-

outlook.org, Abrufdatum: 28.05.2009, Paris.


XIII

OHLSSON, C. (2004): New Zealand Dairy Co-operatives – Strategies, Structures, and

Deregulation, Examensarbete 349, SLU, Institutionen för ekonomi, Uppsala.

OHTA, H. (1988): Spatial Price Theory of Imperfect Competition, Texas A & M Uni-

versity Economics Series, No. 8, College Station.

PEREKHOZHUK, O. (2007): Marktstruktur und Preisbildung auf dem ukrainischen

Markt für Rohmilch, Studies on the Agricultural and Food Sector in Central and

Eastern Europe, Vol. 41, IAMO, Halle, Saale.

PICK, D.H. AND C. CARTER (1994): Pricing to Market with Transactions Denomi-

nated in a Common Currency, in: American Journal of Agricultural Economics,

Vol. 76, No. 1, February 1994, pp. 55-60.

PICK, D.H. AND T.A. PARK (1991): The Competitive Structure of U.S. Agricultural

Exports, in: American Journal of Agricultural Economics, Vol. 73, No. 1, Feb-

ruary 1991, pp. 133-141.

ROODMAN, D. (2007): A Note on the Theme of Too Many Instruments, Working Pa-

per Number 125, Center for Global Development, Washington, DC.

SCHLICHTHORST, M. (2007): Mehrgleichungsmodelle: Schätzmethoden und Anwen-

dungsperspektiven, in: ALBERS, S., KLAPPER, D., KONRADT, U., WALTER, A.

UND J. WOLF (Hrsg.): Methodik der empirischen Forschung, 2. Auflage, Wies-

baden, S. 215-230.

SCHRÖDER, A. (2007): Prinzipien der Panelanalyse, in: ALBERS, S., KLAPPER, D.,

KONRADT, U., WALTER, A. UND J. WOLF (Hrsg.): Methodik der empirischen

Forschung, 2. Auflage, Wiesbaden, S. 261-276.

SEXTON, R.J. AND N. LAVOIE (2001): Food Processing and Distribution: An Indus-

trial Organization Approach, in: GARDNER, B. AND G. RAUSSER (eds.): Hand-

book of Agricultural Economics, Vol. 1, pp. 863-932, Amsterdam etc., Elsevier

Science B.V.

SPILLER, A. (2009): Strategische Überlegungen – Beschaffungsmanagement für Mol-

kereien, in: Molkerei-Industrie 01/09.

SPILLER, A. UND C. WOCKEN (2006): Supplier Relationship Management – Konzept

zur Verbesserung der Geschäftsbeziehung zwischen Milcherzeugern und Mol-

kereien, in: Deutsche Milchwirtschaft 3/2006, 57. Jahrgang.


XIV

STOCK, J.H. AND M.W. WATSON (2008): Heteroskedasticity-Robust Standard Errors

for Fixed Effects Panel Data Regressions, in: Econometrica, Vol. 76, No. 1, pp.

155-174.

TIROLE, J. (1988): The Theory of Industrial Organization, The MIT Press, Cam-

bridge, Massachusetts.

USDA-ERS (United States Department of Agriculture – Economic Research Ser-

vice) (2006a): Dairy Backgrounder, LDP-M-145-01, July 2006, Washington.

USDA-ERS (2006b): U.S. Dairy at a Global Crossroads, Economic Research Report

Number 28, Authors: Blayney, D., Gehlhar, M., Bolling, C.H., Jones, K., Lang-

ley, S., Normile, M.A. and A Somwaru, November 2006, Washington.

USDA-ERS (2006c): Trade Liberalization in International Markets – Estimated Im-

pacts, Economic Research Report Number 16, Authors: Langley, S., Somwaru,

A. and M.A. Normile, February 2006, Washington.

USDA-ERS (2009): Agricultural Exchange Rate Data Set, URL: “http://www.ers.

usda.gov/data/exchangerates/”, Updated: 29.05.2009.

USDA-FAS (United States Department of Agriculture – Foreign Agricultural Ser-

vice) (2005): New Zealand – Dairy and Products: Annual 2005, Global Agri-

culture Information Network (GAIN) Report, No. NZ5021.

USDA-FAS (2006): New Zealand – Dairy and Products: Annual 2006, Global Agri-

culture Information Network (GAIN) Report, No. NZ6020.

USDA-FAS (2007): Dairy: World Markets and Trade, Circular Series, FD 2-07,

Washington.

USDA-FAS (2008a): Dairy: World Markets and Trade, Circular Series, FD 1-08,

July 2008, Washington.

USDA-FAS (2008b): New Zealand – Dairy and Products: Annual Dairy Industry

Report 2008, Global Agriculture Information Network (GAIN) Report, No.

NZ8026.

USDA-FAS (2009a): Production, Supply and Distribution Online (PSD Online) Da-

tabase, URL: http://www.fas.usda.gov/psdonline/psdHome.aspx, Washington.

USDA-FAS (2009b): International Dairy Market News Reports, URL: http://www.

fas.usda.gov/dlp/dairy/dairy.asp, Washington.


XV

VON AUER, L. (2007): Ökonometrie – Eine Einführung, 4. Auflage, Heidelberg.

WCO (World Customs Organisation) (2009): WCO website, URL: http://www.

wcoomd.org, Abrufdatum: 26.05.2009, Brussels.

WOCKEN, C., HEMME, T., RAMANOVICH, M., FAHLBUSCH, M. UND A. SPILLER

(2008): Der Markt für Milch und Milcherzeugnisse, in: Agrarwirtschaft 57,

Heft 1, S. 36-58.

WOHLGENANT, M.K. (2001): Marketing Margins: Empirical Analysis, in: GARDNER,

B. AND G. RAUSSER (eds.): Handbook of Agricultural Economics, Vol. 1, pp.

933-970, Amsterdam etc., Elsevier Science B.V.

WOOLDRIDGE, J.M. (2002): Econometric Analysis of Cross Section and Panel Data,

Cambridge.

WTO (World Trade Organization) (2008): World Tariff Profiles 2008, WTO Secreta-

riat, Switzerland.

ZMP (Zentrale Markt- und Preisberichtstelle) (2008): ZMP Marktbilanz Milch,

Bonn.

Anhang 1: Prozessschema der Milchverarbeitung

XVI

Anhang 1: Prozessschema der Milchverarbeitung

Quelle: EU-KOMMISSION (2006: 7)

Anhang 2: Export-Unit-Values Neuseelands in ausgewählte Länder

XVII

Anhang 2: Export-Unit-Values Neuseelands in ausgewählte Länder

Anhang 2a: Export-Unit-Values für MMP

Quelle: Eigene Darstellung nach Daten von GTIS (2009)

Anhang 2b: Export-Unit-Values für VMP


Anhang 2c: Export-Unit-Values für Butter


1000

2000

3000

4000

5000

6000

7000U

nit

Val

ue

pro

t M

MP

in N

ZD Australien

ChinaHongkongIndonesienJapanMalaysiaMexikoPhilippinenSaudi-ArabienSingapurSri LankaTaiwanThailand

1000

2000

3000

4000

5000

6000

7000

Un

it V

alu

es p

ro t

VM

P in

NZ

D ChinaEl SalvadorIndonesienKanadaMalaysiaMexikoPhilippinenSaudi-ArabienSingapurSri LankaTaiwanThailandU.S.A.Venezuela

1000

2000

3000

4000

5000

6000

7000

8000

9000

Un

it V

alu

es p

ro t

Bu

tter

in N

ZD

AegyptenAustralienBelgienChinaHongkongIndonesienIranKanadaMalaysiaMarokkoMexikoPhilippinenRussische Föd.Saudi-ArabienSingapurTaiwanU.S.A.

Anhang 3: Knetter-Modell mit fixen β-Effekten und Lags für MMP

XVIII

Anhang 3: Knetter-Modell mit fixen β-Effekten und Lags für MMP

Anhang 3a: Schätzergebnisse

Unabh. Var.

Zielländer (i) β1i t-Stat. β2i t-Stat. β3i t-Stat. β4i t-Stat.

Australien 1,48 14,0 -1,54 -11,6 1,85 17,5

China 0,62 6,5 -0,52 -8,6

Hongkong -0,58 -9,6 0,54 4,4 -0,45 -5,5

Indonesien 0,08 3,3 -0,12 -4,4

Japan -0,12 -3,9 0,26 3,8

Malaysia 0,26 2,2

Mexiko 0,64 13,9 -0,39 -5,4

Philippinen 0,36 5,6 -0,25 -4,0

Saudi Arabien -0,46 -7,3 0,79 6,2 -0,37 -6,0

Singapur -0,31 -4,0 0,48 3,3 -0,40 -4,8 0,58 12,5

Sri Lanka 0,30 2,7 0,34 7,3 -0,49 -8,8

Taiwan 0,26 2,2 0,25 4,6 -0,47 -6,5

Thailand -0,47 -12,9 0,41 5,4 0,50 7,1 -0,57 -10,2

F-Stat. 3,14 F-Stat. 2,58 F-Stat. 1,63 F-Stat. 3,02

p-Wert 0,005 p-Wert 0,006 p-Wert 0,094 p-Wert 0,002

W-Stat. 102,7 p-Wert 0,327

LM(A) 140,4 p-Wert 0,000

∆lnWK_t-3

F-Test auf gemeins. Parametersignifikanz

Test auf Heteroskedastizität

Test auf Autokorrelation

∆lnWK ∆lnWK_t-1 ∆lnWK_t-2


Anhang 3b: Grafische Illustrierung91 der geschätzten Koeffizienten


91 Die Koeffizienten für Australien wurden in der Darstellung nicht mit abgebildet, da die Werte kom-plett aus dem Bereich der anderen Koeffizienten fallen.

-0,8

-0,4

0

0,4

0,8

WK WK_t-1 WK_t-2 WK_t-3

China

Hongkong

Indonesien

Japan

Malaysia

Mexiko

Philippinen

Saudi Arabien

Singapur

Sri Lanka

Taiwan

Thailand

Anhang 4: Knetter-Modell mit fixen β-Effekten und Lags für VMP

XIX

Anhang 4: Knetter-Modell mit fixen β-Effekten und Lags für VMP


Unabh. Var.

Zielländer (i) β1i t-Stat. β2i t-Stat. β3i t-Stat.

China -0,31 -7,0

El Salvador -0,36 -4,8

Indonesien -0,05 -3,2 0,03 2,0

Kanada 0,66 10,3 -0,73 -8,4 -0,53 -5,8

Malaysia -0,20 -2,6 -0,34 -5,7

Mexiko 0,47 12,3 -0,40 -6,0 -0,18 -2,4

Philippinen -0,28 -6,0

Saudi Arabien 0,16 5,3 -0,63 -5,5 0,37 4,5

Singapur -0,26 -2,8 0,48 8,1

Sri Lanka -0,16 -5,6 -0,60 -6,0 0,40 6,3

Taiwan 0,63 21,1 -0,51 -6,2

Thailand -0,07 -2,2 -0,15 -2,8

USA 0,32 10,5 -0,94 -5,3 0,40 4,9

Venezuela -0,30 -15,8 0,15 2,4 -0,20 -3,6

F-Stat. 2,26 F-Stat. 1,76 F-Stat. 1,81

p-Wert 0,017 p-Wert 0,052 p-Wert 0,056

W-Stat. 162,3 p-Wert 0,000

LM(A) 91,9 p-Wert 0,000

∆lnWK_t-2

F-Test auf gemeins.

Parametersignifikanz



∆lnWK ∆lnWK_t-1


Anhang 4b: Grafische Illustrierung der geschätzten Koeffizienten


-1,2

-0,8

-0,4

0

0,4

0,8

WK WK_t-1 WK_t-2

ChinaEl SalvadorIndonesienKanadaMalaysiaMexikoPhilippinenSaudi ArabienSingapurSri LankaTaiwanThailandUSAVenezuela

Anhang 5: Knetter-Modell mit fixen β-Effekten und Lags für Butter

XX

Anhang 5: Knetter-Modell mit fixen β-Effekten und Lags für Butter


Unabh. Var.

Zielländer (i) β1i t-Stat. β2i t-Stat. β3i t-Stat. β4i t-Stat.

Ägypten -0,28 -5,2 -0,21 -3,7 0,23 3,1

Australien 0,58 3,5 -0,95 -5,8

Belgien -1,09 -7,8 0,71 6,0 -0,54 -4,2

China 0,96 8,3 -1,13 -11,1 0,96 10,1 -1,01 -8,2

Hongkong

Indonesien -0,33 -10,9 0,53 16,7

Kanada -0,15 -2,6 -0,77 -10,3 0,36 3,3

Malaysia -0,23 -2,8 -0,22 -4,0

Marokko -0,31 -2,6 0,66 6,9

Mexiko -0,54 -6,3 0,25 2,5

Philippinen 0,59 8,7 -0,43 -3,6

Russische Föd. -0,24 -6,0 0,46 8,4 -0,42 -7,4 0,16 4,8

Saudi Arabien -0,25 -2,2 0,29 4,9

Singapur 0,68 12,0 -1,05 -8,8

Taiwan -0,22 -2,2 0,17 2,9 -0,18 -2,5

USA -0,37 -3,0 0,51 6,7 -1,04 -13,2 1,03 9,3

F-Stat. 2,79 F-Stat. 2,22 F-Stat. 3,63 F-Stat. 4,83

p-Wert 0,003 p-Wert 0,012 p-Wert 0,000 p-Wert 0,000

W-Stat. 121,7 p-Wert 0,157

LM(A) 92,8 p-Wert 0,000

∆lnWK_t-3

F-Test auf gemeins. Parametersignifikanz



∆lnWK ∆lnWK_t-1 ∆lnWK_t-2


Anhang 5b: Grafische Illustrierung der geschätzten Koeffizienten


-1,2

-0,8

-0,4

0

0,4

0,8

1,2

WK WK_t-1 WK_t-2 WK_t-3

ÄgyptenAustralienBelgienChinaHongkongIndonesienKanadaMalaysiaMarokkoMexikoPhilippinenRussische Föd.Saudi ArabienSingapurTaiwanUSA

Anhang 6: Charakteristika der Importmärkte ausgewählter Länder

XXI


Anhang 6a: Importmärkte für MMP

Neuseel. Austral. EU USA Rest Jahresimport WR

Australien 92,6% 2,4% 5,0% 3.187 t 6,0%

China 47,9% 20,4% 12,0% 13,3% 1,5% Ukraine 4,9% 31.516 t 19,1%

Hongkong 59,7% 17,5% 6,3% 2,2% 6,6% China 7,7% 10.070 t -8,7%

Indonesien 28,3% 20,2% 25,5% 19,6% 6,4% 68.476 t 6,9%

Japan 24,2% 16,2% 14,4% 8,1% 29,5%Ukraine, Belarus

7,7% 48.028 t -7,4%

Malaysia 42,3% 32,2% 12,4% 10,9% 2,1% 63.011 t 0,9%

Mexiko 9,0% 2,9% 24,1% 52,0% 1,9% Argentinien 10,1% 130.734 t 0,9%

Philippinen 31,2% 37,5% 11,0% 13,8% 6,4% 96.985 t -0,3%

Saudi-Arab. 48,3% 21,1% 21,7% 2,8% 1,7% Ukraine 4,3% 31.791 t 3,6%

Singapur 40,0% 37,1% 12,5% 4,5% 5,9% 50.895 t 4,9%

Sri Lanka 42,6% 30,8% 11,7% 14,9% 7.506 t -0,5%

Taiwan 46,2% 33,0% 19,1% 1,6% 26.738 t -7,2%

Thailand 26,1% 27,7% 30,4% 10,0% 5,8% 62.992 t 1,5%

Mittelwert 41,4% 24,7% 16,8% 12,7% 8,2% 6,4% 48.610 t 1,5%

Andere LänderImportland

Importanteil Marktcharakteristika

Quelle: Eigene Berechnungen nach Daten von GTIS (2009)

Anhang 6b: Importmärkte für VMP


China 83,5% 10,9% 2,9% 1,8% 1,0% 42.339 t 16,4%

El Salvador 41,3% 19,4% 6,2% 22,1%Mexiko, Cos-

ta Rica, Chile 10,9% 10.306 t -11,4%

Indonesien 48,4% 25,1% 15,9% 3,3% 7,3% 18.325 t 21,8%

Kanada 92,7% 4,8% 1,0% 1,5% 0,0% 14.778 t 19,5%

Malaysia 43,2% 30,5% 21,2% 1,7% 3,3% 26.504 t 2,6%

Mexiko 75,5% 10,1% 12,0% Argentinien 2,5% 39.872 t -0,6%

Philippinen 52,3% 28,8% 7,9% 3,5% 7,6% 42.360 t -1,9%

Saudi-Arab. 37,6% 3,9% 53,7% 4,7% 85.415 t 3,0%

Singapur 37,9% 27,0% 24,4% 1,5% 9,2% 33.455 t 17,6%

Sri Lanka 76,7% 14,3% 2,8% 6,2% 44.910 t 2,9%

Taiwan 52,7% 30,4% 14,0% 2,8% 33.001 t -6,0%

Thailand 52,0% 20,8% 24,2% 3,0% 33.949 t -4,6%

USA 31,2% 15,9% 14,2% 29,3%Mexiko, Chile

9,4% 8.384 t 17,1%

Venezuela 36,2% 22,3% 33,1%Argentinien,

Kolumbien,

Brasilien8,4% 66.805 t 5,7%

Mittelwert 54,4% 19,3% 15,8% 2,2% 24,1% 5,4% 35.743 t 5,9%

Andere Länder

Importanteile der wichtigsten Exportländer MarktcharakteristikaImportland



XXII

Anhang 6c: Importmärkte für Butter92


Aegypten 45,4% 15,1% 31,7% 2,5% 1,6% Uruguay 3,7% 39.341 t 0,2%

Australien 95,3% 2,5% 1,4% 0,8% 8.035 t 10,5%

Belgien 93,5% 2,9% 3,6% 82.478 t -3,0%

China 70,6% 10,0% 15,5% 3,9% 4.438 t 26,6%

Hongkong 45,7% 36,6% 12,1% 1,3% 4,3% 9.413 t -0,7%

Indonesien 34,8% 19,4% 40,9% 1,4% 3,6% 3.442 t 9,5%

Kanada 49,5% 8,2% 11,4% 11,3% 14,8% Uruguay 4,9% 7.232 t 10,7%

Malaysia 46,6% 42,9% 8,3% 2,3% 4.459 t 5,1%

Marokko 20,6% 1,3% 62,7% 6,8% 3,6% Uruguay 5,0% 31.508 t -2,4%

Mexiko 30,6% 12,0% 22,9% 26,9% Uruguay 7,5% 2.739 t 14,7%

Philippinen 57,2% 18,4% 11,9% 3,3% 9,3% 1.717 t 14,1%

Russische Föderation

36,5% 3,9% 41,1% 2,4% 12,4%Ukraine, Uruguay

3,6% 83.016 t -0,4%

Saudi-Arab. 22,9% 7,8% 61,7% 6,2% 1,4% 22.577 t 6,2%

Singapur 15,4% 29,3% 53,1% 1,4% 0,7% 14.314 t 6,2%

Taiwan 63,4% 19,2% 15,9% 1,5% 10.360 t 4,0%

USA 39,4% 10,3% 28,9% 10,1%Uruguay, Argentinien

11,2% 12.631 t 4,0%

Mittelwert 48,0% 16,1% 27,3% 5,5% 11,6% 4,2% 21.106 t 6,6%

Andere Länder

Importanteil MarktcharakteristikaImportland


92 Die Jahresimporte basieren auf den durchschnittlichen Importmengen im Beobachtungszeitraum 1996 - 2008. Die jährliche Wachstumsrate (WR) wurde ferner durch eine Regression der logarithmier-ten Importmengen auf einen Zeittrend ermittelt und stellt somit den durchschnittlichen prozentualen Einfluss der Zeit auf die Importmengen dar.

Eidesstattliche Erklärung

XXIII

Eidesstattliche Erklärung

Hiermit versichere ich, die vorliegende Arbeit selbstständig verfasst zu haben und

keine anderen als die angegebenen Quellen und Hilfsmittel benutzt zu haben.

Datum: Unterschrift:

Documents

Preisfindung auf den internationalen Märkten für ... · te also grundsätzlich untersucht werden, wie kompetitiv der Markt ist, bevor Schluss- folgerungen aus dem Marktergebnis